图表选择可视化指南：雷达图：多维度综合画像（深度版）

在多个维度上同时展示一个/多个对象的轮廓，适合方案多指标综合对比。

分类：📊 统计图　适用：方案多指标对比、能力/绩效画像、前后对比

一、这个图适合谁（适用场景）

• 方案多指标对比
• 能力/绩效画像
• 前后对比

二、图表结构要素

1. 轴=各指标（需同向化）
2. 多边形=对象轮廓
3. 可叠加多个对象

三、可视化的底层逻辑

雷达图在多个辐射轴上画轮廓，适合"多维度综合画像"——一眼看出一个对象在哪些维度强、哪些弱，或多个对象的形状差异。但它用的通道是"角度/面积"，在感知精度档中偏低：人对"多边形面积谁大"的判断远不如对"两根柱子谁长"的判断可靠。更隐蔽的风险是未归一化——不同量纲的轴直接画，数值大的维度会把多边形整个撑大，造成"这个方案全面更强"的错觉。所以雷达图的正确定位是"直观印象 + 配数值表做精确支撑"，轴数控制在 3~8，且每个轴必须同向化（都"越大越好"）并归一化。它是展示工具，不是比较工具。

四、视觉编码与感知推导

归一化与同向化：第 $k$ 轴原始值 $x_k$ 先线性映射到 $[0,1]$：

$$x'_k=\frac{x_k-\min_k}{\max_k-\min_k}$$

且所有轴方向统一为"越大越好"（反向指标先取补）。否则多边形面积被单维拉伸，形状失真。

面积不可作精确比较：雷达多边形面积

$$A=\frac12\sum_{k=1}^{m} r_k r_{k+1}\sin\frac{2\pi}{m}$$

人对面积判断误差大（精度档低），且 $A$ 受轴数 $m$ 影响（同轮廓 $m$ 不同 $A$ 不同）。故 $A$ 只宜传达"整体饱满度"印象，精确排序须回到数值表。

叠加混淆：叠加 $m_o$ 个对象用半透明填充，重叠区视觉混淆随 $m_o$ 增。建议 $m_o\le4$；超过时改用小型多子图（small multiples）并排，每图一个对象，避免形状叠加成"毛团"。

五、怎么画（步骤）

1. 各轴指标先归一化到同量纲，否则大指标淹没小指标。
2. 轴数 3~8 为宜，太多看不清。
3. 多对象叠加用半透明填充区分。
4. 指标方向统一（都『越大越好』）。
5. 配合数值表，雷达只做直观、表做精确。

六、何时用 / 何时不用 / 常见丑图

• 何时用：多维度『综合长相』对比。
• 何时不用：要精确排序 → 用柱状+表格。
• 常见丑图：未归一化、轴过多、无数值支撑。

七、常见坑

• 指标未归一化
• 轴太多杂乱
• 只有图没有数

八、画图自检清单

• 指标已归一化同向
• 轴数适中
• 多对象可区分
• 有数值表支撑

九、配套资源与搭配

• 评价类问题怎么选方法
• 论文图表规范与排版
• 图表选择可视化指南

---

本指南由 MCM520 资料站自动生成（深度版），配套论文图表规范与可视化模板可在资源页下载。

十、实战案例——Python 绘制 + 图效果

雷达图在多个维度上同时展示多个对象的轮廓，最适合方案多指标综合对比。

案例场景：比较 3 个选址方案在「准确性、稳定性、可解释性、计算量、数据需求、鲁棒性」6 个维度的表现。
雷达图的面积越大，综合表现越好。方案甲在准确性上突出，方案乙在计算量上最优。

完整代码（Python + matplotlib）

import matplotlib.pyplot as plt
import numpy as np

dims = ['准确性', '稳定性', '可解释', '计算量', '数据需求', '鲁棒性']
n = len(dims)
angles = np.linspace(0, 2 * np.pi, n, endpoint=False).tolist()
angles += angles[:1]

schemes = {
    '方案甲': [95, 80, 90, 60, 70, 85],
    '方案乙': [78, 92, 70, 88, 85, 60],
    '方案丙': [85, 85, 85, 75, 80, 80],
}

fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))
colors = ['#2563eb', '#dc2626', '#16a34a']
for (name, vals), c in zip(schemes.items(), colors):
    vals += vals[:1]
    ax.plot(angles, vals, 'o-', linewidth=2, label=name, color=c)
    ax.fill(angles, vals, alpha=0.1, color=c)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(dims, fontsize=11)
ax.set_ylim(0, 100)
ax.set_title('三个方案多指标雷达图', fontsize=14, fontweight='bold', pad=20)
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1), fontsize=11)
plt.tight_layout()
plt.show()

运行效果图

---

本指南由 MCM520 资料站生成，配套 Python 代码可直接运行。