Python Matplotlib雷达图怎么显示数值标签

缩略图：Matplotlib 极坐标雷达图与数值标签整体展示

一、极坐标系下的文本定位机制

普通折线图或散点图基于平面直角坐标系 $(x, y)$，添加数据标签通常直接使用 plt.text(x, y, text)。但雷达图在底层是由极坐标系统构建的。在创建子图时通过 subplot_kw=dict(projection='polar') 声明之后，该子图的横纵坐标轴含义就发生了转换：原本的 X 轴对应角度 $ heta$（以弧度表示），Y 轴则对应半径 $r$（即业务指标数值）。

因此，调用 ax.text(x, y, s) 时，第一个参数必须传入该指标所在的弧度值，第二个参数则是该顶点的数值大小。许多初学者试图使用三角函数 $x = r \cdot \cos heta, y = r \cdot \sin heta$ 计算出笛卡尔直角坐标后再去打标，这在普通直角坐标系中是必要的，但在 Matplotlib 已经激活了 projection='polar' 的 Axes 上，传入计算出的 $(x, y)$ 反而会导致文本落入错误的极坐标位置甚至完全飞出可视区域。

图 1：极坐标系下的文本定位机制与径向偏移原理

二、完整实现步骤与核心代码

给雷达图添加数值标签分为四个明确的操作步骤：准备指标数据、构建极坐标系、绘制封闭折线与填充区、遍历节点标注数值。其中最为关键的细节是“闭合数据用于画图，非闭合数据用于打标”。

图 2：雷达图添加数值标签四步标准化流程

1. 完整可执行代码示例

下面提供一个在实际开发中开箱即用的完整示例代码。该示例绘制了一个具有 5 个业务维度的雷达图，并在每个顶点外侧清晰标注了原始整数值：

import numpy as np
import matplotlib.pyplot as plt

# 1. 基础配置：支持中文显示与负号正常渲染
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False

# 2. 准备原始指标数据（5个维度）
categories = ['业务敏捷', '系统稳定', '代码质量', '测试覆盖', '交付效能']
values = [90, 75, 82, 60, 88]
N = len(categories)

# 3. 计算各个维度的分割角度（0 到 2π，不包含终止点以避免重叠）
angles = np.linspace(0, 2 * np.pi, N, endpoint=False).tolist()

# 4. 构建用于绘制折线封闭多边形的数据（末尾追加第一个元素）
angles_closed = angles + angles[:1]
values_closed = values + values[:1]

# 5. 初始化极坐标子图
fig, ax = plt.subplots(figsize=(7, 7), subplot_kw=dict(projection='polar'))

# 将0度设置在12点钟正上方，并按顺时针方向排列（更符合阅读习惯）
ax.set_theta_zero_location('N')
ax.set_theta_direction(-1)

# 设置各轴的刻度与分类标签
ax.set_xticks(angles)
ax.set_xticklabels(categories, fontsize=11, color='#464B48')

# 设置径向量程上限并预留空白（关键：防止外圈数值标签被裁切）
max_val = max(values)
ax.set_ylim(0, max_val * 1.18)

# 6. 绘制多边形边框与半透明填充色
ax.plot(angles_closed, values_closed, color='#464B48', linewidth=2, marker='o', markersize=6)
ax.fill(angles_closed, values_closed, color='#8A9478', alpha=0.25)

# 7. 遍历非闭合数据，为每个顶点添加数值标签
radial_offset = max_val * 0.06  # 沿径向外移 6% 作为呼吸间距

for angle, val in zip(angles, values):
    ax.text(
        angle, 
        val + radial_offset, 
        f'{val}', 
        ha='center', 
        va='center',
        fontsize=10,
        fontweight='bold',
        color='#464B48',
        bbox=dict(boxstyle='round,pad=0.2', facecolor='#FFFFFF', edgecolor='#8A9478', linewidth=0.8, alpha=0.9)
    )

# 可选：隐藏同心圆径向数值刻度，消除视觉噪音
ax.set_yticklabels([])

plt.title('团队能力评估雷达图', y=1.08, fontsize=14, fontweight='bold', color='#464B48')
plt.tight_layout()
plt.show()

运行上述代码后，Matplotlib 窗口将呈现一个规整的五边形雷达图。每个多边形顶点外侧均有一个带微细边框的数值标签（如 90, 75, 82 等），不仅不会覆盖数据节点，还清晰脱离了多边形折线与底层的网格同心圆。

三、防止标签重叠与遮挡的关键优化技巧

许多读者在初次尝试添加雷达图标签时，经常遇到文字与折线相互穿透、文字被圆点覆盖或位于图表边缘的文字被剪切的问题。针对这些视觉冲突，主要有以下三种优化策略：

图 3：数值标签重叠痛点与对齐优化方案对比

1. 径向偏移量计算（Radial Offset）

雷达图中多边形顶点的位置为 $(angle, val)$。如果直接写 ax.text(angle, val, str(val))，文本中心就会恰好落在数据标记点 marker 之上。

推荐的做法是在极坐标的半径参数上增加一个外推量：

• 相对比例偏移：target_r = val + max_val * 0.06。这种方式以全局最大值为基准，确保所有维度的标签与顶点的视觉距离保持恒定，不会因为个别维度数值较小导致偏移量缩水。
• 乘积缩放偏移：target_r = val * 1.08。适用于各维度量级接近的情景。但若某个维度的值为 0 或极小，乘积偏移也会趋近于 0，容易贴合顶点。

2. 上边界预留空间（ax.set_ylim）

极坐标轴在默认情况下，会将同心圆的最外层上限设定为数据的最大值。一旦某个顶点的数值达到了最大值（例如 100），再加上径向偏移量后，文字的实际坐标位置将超出默认可视区域。结果就是标签的一半或全部被极轴的圆形边界截断。

因此，只要添加了数值标签，就必须显式调用 ax.set_ylim(0, max_val * 1.15)，将外圈半径扩充 15% 到 20%，为最外层文字留出足够的物理展示空间。

3. 使用 bbox 背景框消除背景干扰

雷达图内部包含了网格射线、同心圆虚线以及多边形内部的填充色块。直接在上面绘制深色文字时，网格线容易横穿数字笔画（例如将数字 8 误认为 0 或 9）。

在 ax.text() 中引入 bbox=dict(boxstyle='round,pad=0.2', facecolor='white', edgecolor='#8A9478', alpha=0.9)，会在文字后方生成一个半透明的白色保护衬底，将背后的网格线适度遮挡，大幅提升专业图表的阅读体验。

四、常见认知误区与辨析

图 4：Matplotlib 雷达图标签核心 API 与配置速查