如何计算Matplotlib/Plotly中雷达图的数据集多边形面积？

雷达图的多边形面积可通过分解为多个三角形求和的方式计算：将多边形拆成以原点为顶点、相邻特征轴为边的三角形，每个三角形面积用公式 (1/2)*r_i*r_{i+1}*sin(θ) 计算（θ是相邻轴的夹角，即 2π/n，n为特征数量），最后求和得到总面积，以此作为数据集的「总分」。

Matplotlib 实现步骤及代码 #

1. 准备数据集：确保数据首尾闭合（最后一个元素等于第一个，形成完整多边形）
2. 计算特征轴的均匀夹角
3. 代入公式求和计算总面积

import numpy as np

# 示例数据集：对应4个特征，首尾闭合
data_set = [4, 3, 5, 2, 4]
n_features = len(data_set) - 1  # 去除重复的首尾元素，得到特征数量
angle_step = 2 * np.pi / n_features  # 相邻特征轴的夹角（弧度）

# 计算总面积
total_area = 0.5 * np.sum(data_set[:-1] * data_set[1:] * np.sin(angle_step))

print(f"数据集的雷达图面积得分：{total_area:.2f}")

Plotly 实现步骤及代码 #

Plotly的雷达图数据存储在figure.data的每个trace中，提取r值后用同样的公式计算：

import numpy as np
import plotly.graph_objects as go

# 创建示例雷达图
fig = go.Figure()

# 添加两个数据集的雷达图轨迹
fig.add_trace(go.Scatterpolar(
    r=[4, 3, 5, 2, 4],
    theta=['特征1', '特征2', '特征3', '特征4', '特征1'],
    fill='toself',
    name='对象A'
))

fig.add_trace(go.Scatterpolar(
    r=[3, 5, 2, 4, 3],
    theta=['特征1', '特征2', '特征3', '特征4', '特征1'],
    fill='toself',
    name='对象B'
))

fig.update_layout(polar=dict(radialaxis=dict(visible=True)))

# 遍历每个轨迹计算面积得分
for trace in fig.data:
    r_values = np.array(trace.r)
    n_features = len(r_values) - 1
    angle_step = 2 * np.pi / n_features
    area = 0.5 * np.sum(r_values[:-1] * r_values[1:] * np.sin(angle_step))
    print(f"{trace.name}的雷达图面积得分：{area:.2f}")

注意事项 #

• 若原始数据未首尾闭合，需手动将第一个元素添加到列表末尾，确保形成完整多边形
• 公式中的角度必须用弧度计算，numpy的sin函数默认使用弧度
• 面积得分的大小与特征数量、数据取值范围正相关，若需跨不同特征数量的数据集比较，可考虑对面积做归一化处理

内容的提问来源于stack exchange，提问作者jredd