Το παραδειγμα συγκρινει KPI των Προϊοντων A και B με radar chart σε πολικους αξονες του matplotlib.
import numpy as np
import matplotlib.pyplot as plt
metrics = ["UX", "Λειτουργιες", "Σταθεροτητα", "Ταχυτητα", "Υποστηριξη"]
values_a = np.array([4.2, 4.5, 4.0, 3.9, 4.4])
values_b = np.array([3.8, 4.1, 4.3, 4.5, 3.7])
angles = np.linspace(0, 2 * np.pi, len(metrics), endpoint=False)
values_a = np.concatenate((values_a, [values_a[0]]))
values_b = np.concatenate((values_b, [values_b[0]]))
angles = np.concatenate((angles, [angles[0]]))
fig, ax = plt.subplots(figsize=(5, 5), subplot_kw=dict(polar=True))
ax.plot(angles, values_a, color="#2563eb", linewidth=2, label="Προϊον A")
ax.fill(angles, values_a, color="#2563eb", alpha=0.25)
ax.plot(angles, values_b, color="#f97316", linewidth=2, label="Προϊον B")
ax.fill(angles, values_b, color="#f97316", alpha=0.25)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(metrics)
ax.set_yticks([3, 4, 5])
ax.set_ylim(0, 5)
ax.set_title("Radar chart συγκρισης KPI")
ax.legend(loc="upper right", bbox_to_anchor=(1.3, 1.1))
fig.tight_layout()
plt.show()

Συμβουλες αναγνωσης #
- Μεγαλυτερη επιφανεια σημαινει καλυτερη αποδοση.
- Κρατα ισες γωνιες· πολλοι δεικτες μειωνουν την αναγνωσιμοτητα.
- Συμπληρωσε με bars και αριθμους για πιο πειστικη αναφορα.