set_tayloraxes(fig, location=111) 和plot_taylor(axes, refsample, sample, args, *kwargs)
set_tayloraxes()函数用于建立一个泰勒图的坐标系，这个自定义函数一般情况下不建议修改，每一个参数都是经过多次调试得到的，很可能牵一发动全身。因此，将绘图部分的独立成为了plot_taylor函数()，这部分函数较为简单，目的就是将需要绘图的数据，转换为极坐标系坐标，通过plot函数将散点打在泰勒图上，这个函数模块较为简单，可以根据自己的输入数据情况进行调整。
下面介绍下函数的具体用法：
输入：
fig： 需要绘图的figure
rect：图的位置，如111为1行1列第一个，122为1行2列第2个
输出：
polar_ax：泰勒坐标系
输入：
axes : setup_axes返回的泰勒坐标系
refsample ：参照样本
sample ：评估样本
args, *kwargs ：plt.plot()函数的相关参数，设置点的颜色，形状等等。
下面给出示例：
楼主是否说的是雷达图呢？
from pyecharts import Radarradar = Radar("区间分布", "风的频率雷达图")
radar_data1 = [[0,1,2,5]]#这里是y坐标
schema = [
("[0,00~22.50]",11), ("[22.50~45.00]",11), ("[45.00~67.50]",11),#这个11是单位间隔
("[67.50~90.00]",11)#传入x的坐标，这里是区间的名字
]
#传入坐标
radar.config(schema)
radar.add("出现次数",radar_data1,item_color="#1C86EE")
radar.render()
运行后会产生一个render.html
结果为
剩下的坐标我就懒得打啦，楼主不介意的吧~
无意中从今日头条中看到的一篇文章，可以生成简单的图表。据说一些大数据开发们也是经常用类似的图表库，毕竟有现成的，改造下就行，谁会去自己造轮子呢。pyecharts是什么？ pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒， pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图 。使用pyecharts可以生成独立的网页，也可以在flask、django中集成使用。 安装很简单：pip install pyecharts 如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。所有图表均可正常显示，与浏览器一致的交互体验，简直不要太强大。参考自pyecharts官方文档: http://pyecharts.org首先开始来绘制你的第一个图表使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可 add() 主要方法，用于添加图表的数据和设置各种配置项 render() 默认将会在根目录下生成一个 render.html 的文件，文件用浏览器打开。使用主题自 0.5.2+ 起，pyecharts 支持更换主体色系 使用 pyecharts-snapshot 插件 如果想直接将图片保存为 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用该插件请确保你的系统上已经安装了 Nodejs 环境。 安装 phantomjs $ npm install -g phantomjs-prebuilt 安装 pyecharts-snapshot $ pip install pyecharts-snapshot 调用 render 方法 bar.render(path='snapshot.png') 文件结尾可以为 svg/jpeg/png/pdf/gif。请注意，svg 文件需要你在初始化 bar 的时候设置 renderer='svg'。 图形绘制过程 基本上所有的图表类型都是这样绘制的： chart_name = Type() 初始化具体类型图表。 add() 添加数据及配置项。 render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。 add() 数据一般为两个列表（长度一致）。如果你的数据是字典或者是带元组的字典。可利用 cast() 方法转换。 多次显示图表 从 v0.4.0+ 开始，pyecharts 重构了渲染的内部逻辑，改善效率。推荐使用以下方式显示多个图表。如果使是 Numpy 或者 Pandas，可以参考这个示例当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的Note： 从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加 pythonic 的做法。直接调用本身实例就可以了。 比如这样 还有这样如果使用的是自定义类，直接调用自定义类示例即可图表配置 图形初始化 通用配置项 xyAxis：平面直角坐标系中的 x、y 轴。(Line、Bar、Scatter、EffectScatter、Kline) dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot) legend：图例组件。图例组件展现了不同系列的标记(symbol)，颜色和名字。可以通过点击图例控制哪些系列不显示。 label：图形上的文本标签，可用于说明图形的一些数据信息，比如值，名称等。 lineStyle：带线图形的线的风格选项(Line、Polar、Radar、Graph、Parallel) grid3D：3D笛卡尔坐标系组配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D) axis3D：3D 笛卡尔坐标系 X，Y，Z 轴配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D) visualMap：是视觉映射组件，用于进行『视觉编码』，也就是将数据映射到视觉元素（视觉通道） markLine&markPoint：图形标记组件，用于标记指定的特殊数据，有标记线和标记点两种。（Bar、Line、Kline） tooltip：提示框组件，用于移动或点击鼠标时弹出数据内容 toolbox：右侧实用工具箱图表详细Bar（柱状图/条形图） Bar3D（3D 柱状图） Boxplot（箱形图） EffectScatter（带有涟漪特效动画的散点图） Funnel（漏斗图） Gauge（仪表盘） Geo（地理坐标系） GeoLines（地理坐标系线图） Graph（关系图） HeatMap（热力图） Kline/Candlestick（K线图） Line（折线/面积图） Line3D（3D 折线图） Liquid（水球图） Map（地图） Parallel（平行坐标系） Pie（饼图） Polar（极坐标系） Radar（雷达图） Sankey（桑基图） Scatter（散点图） Scatter3D（3D 散点图） ThemeRiver（主题河流图） TreeMap（矩形树图） WordCloud（词云图） 用户自定义 Grid 类：并行显示多张图 Overlap 类：结合不同类型图表叠加画在同张图上 Page 类：同一网页按顺序展示多图 Timeline 类：提供时间线轮播多张图 统一风格注：pyecharts v0.3.2以后，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。地图文件被分成了三个 Python 包，分别为： 全球国家地图: echarts-countries-pypkg 中国省级地图: echarts-china-provinces-pypkg 中国市级地图: echarts-china-cities-pypkg 直接使用python的pip安装但是这里大家一定要注意，安装完地图包以后一定要重启jupyter notebook，不然是无法显示地图的。 显示如下：总得来说，这是一个非常强大的可视化库，既可以集成在flask、Django开发中，也可以在做数据分析的时候单独使用，实在是居家旅行的必备神器啊
