当前位置： 首页 > news >正文

MATLAB环形柱状图与核密度面积图组合可视化教程

news 2026/8/1 3:10:29

1. 环形柱状图与核密度面积图的组合应用场景

在科研数据可视化领域，环形柱状图（Donut Bar Chart）与核密度面积图（Kernel Density Area Plot）的组合使用正逐渐成为一种趋势。这种组合图表特别适合展示两类数据的关联性：一类是离散的分类数据（用环形柱状图表示），另一类是连续的分布数据（用核密度面积图表示）。

我最近在分析一组消费者行为数据时就采用了这种组合图表。环形部分展示了不同年龄段消费者的购买频次占比，而中间的核密度图则显示了消费金额的分布情况。这种组合方式让读者能够一眼看出"谁买得多"和"花多少钱"两个维度的信息。

2. MATLAB环境准备与基础设置

2.1 版本兼容性检查

在开始绘图前，首先要确认你的MATLAB版本支持所需函数。我推荐使用R2020b及以上版本，因为这些版本对图形渲染引擎进行了优化，特别是在处理环形图表和透明度设置时表现更稳定。可以通过以下命令检查版本：

ver('MATLAB')

如果使用的是较旧版本（如R2016b），可能需要额外安装Statistics and Machine Learning Toolbox来获取核密度估计函数。

2.2 必要工具箱确认

执行以下命令检查是否安装了必需的工具箱：

% 检查统计和机器学习工具箱 if ~license('test', 'Statistics_Toolbox') error('需要安装Statistics and Machine Learning Toolbox') end % 检查图形处理工具箱 if ~license('test', 'Image_Toolbox') warning('建议安装Image Processing Toolbox以获得更好的图形输出质量') end

3. 环形柱状图的实现步骤

3.1 数据准备与参数计算

假设我们有5个类别的数据要展示：

categories = {'A', 'B', 'C', 'D', 'E'}; values = [15, 23, 18, 32, 12]; colors = [0.2 0.4 0.6; 0.3 0.5 0.7; 0.4 0.6 0.8; 0.5 0.7 0.9; 0.6 0.8 1.0];

环形图的关键参数计算：

total = sum(values); percentages = values / total * 100; angles = cumsum([0, percentages]) * 3.6; % 转换为角度 radius_inner = 0.6; % 内半径（控制环的宽度） radius_outer = 1.0; % 外半径

3.2 绘制环形柱状图

使用polarplot函数创建基础环形图：

figure('Position', [100 100 800 600]) hold on for i = 1:length(values) theta = linspace(angles(i), angles(i+1), 100); rho_inner = ones(size(theta)) * radius_inner; rho_outer = ones(size(theta)) * radius_outer; % 绘制扇形区域 patch([rho_inner.*cosd(theta) fliplr(rho_outer.*cosd(theta))], ... [rho_inner.*sind(theta) fliplr(rho_outer.*sind(theta))], ... colors(i,:), 'EdgeColor', 'none') end % 添加中心空白区域使成为环形 rectangle('Position', [-radius_inner, -radius_inner, 2*radius_inner, 2*radius_inner], ... 'Curvature', [1 1], 'FaceColor', 'w', 'EdgeColor', 'none')

3.3 添加标签与修饰

优化环形图的可读性：

% 添加类别标签 for i = 1:length(values) mid_angle = (angles(i) + angles(i+1)) / 2; text(radius_outer*1.1*cosd(mid_angle), radius_outer*1.1*sind(mid_angle), ... sprintf('%s\n%.1f%%', categories{i}, percentages(i)), ... 'HorizontalAlignment', 'center', 'FontSize', 10) end % 设置极坐标属性 set(gca, 'Color', 'none', 'XTick', [], 'YTick', []) axis equal title('环形柱状图示例', 'FontSize', 14)

4. 核密度面积图的实现

4.1 核密度估计计算

生成模拟数据并计算核密度：

% 生成随机数据（实际应用中替换为你的数据） rng(42); % 设置随机种子保证可重复性 data = [randn(100,1)*0.5+1; randn(80,1)*0.7+2; randn(120,1)*0.6+3]; % 计算核密度估计 [pdf_values, xi] = ksdensity(data, 'Bandwidth', 0.3, 'NumPoints', 200); % 归一化处理以适应环形图内部空间 max_pdf = max(pdf_values); scaled_pdf = pdf_values / max_pdf * radius_inner * 0.9; % 缩放因子0.9留出边距

4.2 绘制核密度面积图

在环形图中心区域添加核密度图：

% 创建极坐标下的核密度图 theta_kde = linspace(0, 360, length(xi)); rho_kde = scaled_pdf; % 填充面积图 patch([rho_kde.*cosd(theta_kde), fliplr(zeros(size(theta_kde)))], ... [rho_kde.*sind(theta_kde), fliplr(zeros(size(theta_kde)))], ... [0.8 0.2 0.2], 'FaceAlpha', 0.6, 'EdgeColor', 'none') % 添加中心参考线 plot([0 0], [-radius_inner*0.1 radius_inner*0.1], 'k-', 'LineWidth', 1) plot([-radius_inner*0.1 radius_inner*0.1], [0 0], 'k-', 'LineWidth', 1)

4.3 添加分布特征标记

标注数据分布的关键特征点：

% 计算并标记中位数和均值 median_val = median(data); mean_val = mean(data); [~, median_idx] = min(abs(xi - median_val)); [~, mean_idx] = min(abs(xi - mean_val)); % 标记中位数 plot(scaled_pdf(median_idx)*cosd(theta_kde(median_idx)), ... scaled_pdf(median_idx)*sind(theta_kde(median_idx)), ... 'ko', 'MarkerFaceColor', 'w', 'MarkerSize', 8) text(scaled_pdf(median_idx)*1.2*cosd(theta_kde(median_idx)), ... scaled_pdf(median_idx)*1.2*sind(theta_kde(median_idx)), ... 'Median', 'FontSize', 9) % 标记均值 plot(scaled_pdf(mean_idx)*cosd(theta_kde(mean_idx)), ... scaled_pdf(mean_idx)*sind(theta_kde(mean_idx)), ... 'k^', 'MarkerFaceColor', 'w', 'MarkerSize', 8) text(scaled_pdf(mean_idx)*1.2*cosd(theta_kde(mean_idx)), ... scaled_pdf(mean_idx)*1.2*sind(theta_kde(mean_idx)), ... 'Mean', 'FontSize', 9)

5. 组合图表的优化技巧

5.1 视觉平衡调整

组合图表时常见的挑战是保持视觉平衡：

  1. 环形图与核密度图的比例关系：内半径(radius_inner)建议设置在0.5-0.7之间，这样核密度图有足够展示空间
  2. 颜色搭配：环形图使用冷色调，核密度图使用暖色调，形成视觉对比
  3. 透明度设置：核密度图的FaceAlpha建议0.5-0.7，既能展示下层信息，又不喧宾夺主

5.2 交互功能添加

提升图表交互性的方法：

% 启用数据光标 dcm = datacursormode(gcf); set(dcm, 'UpdateFcn', @myupdatefcn) function output_txt = myupdatefcn(~, event_obj) pos = get(event_obj, 'Position'); if norm(pos) > radius_inner % 环形图区域提示 output_txt = sprintf('类别: %s\n值: %.1f', categories{...}, values{...}); else % 核密度区域提示 [~, idx] = min(abs(xi - ...)); output_txt = sprintf('密度值: %.3f\n数据点: %.2f', pdf_values(idx), xi(idx)); end end

5.3 导出高质量图像

确保出版质量的导出设置：

% 矢量图导出（推荐EPS或PDF） print -depsc2 -r600 -painters combined_chart.eps % 位图导出（高分辨率PNG） print -dpng -r300 combined_chart.png % 使用exportgraphics函数（R2020b+） exportgraphics(gcf, 'combined_chart.pdf', 'ContentType', 'vector', 'BackgroundColor', 'none')

6. 实际应用案例解析

6.1 市场调研数据分析

在某电子产品市场调研中，我们使用这种组合图表展示了：

  • 环形图：不同年龄段消费者的购买比例
  • 核密度图：每个年龄段的消费金额分布

通过这种可视化，客户一眼就能看出：

  1. 25-34岁群体占比最大（环形图面积最大）
  2. 55岁以上群体虽然占比小，但消费金额分布更靠右（核密度图右偏）

6.2 学术论文中的使用

在一篇关于城市气候研究的论文中，我们使用这种图表展示：

  • 环形图：不同季节的天数占比
  • 核密度图：各季节温度值的分布

这种呈现方式比传统的分面图（facet plot）更节省空间，同时保持了数据之间的关联性。

7. 常见问题与解决方案

7.1 核密度估计的带宽选择

带宽(bandwidth)参数对核密度估计结果影响很大。经过多次实践，我总结出以下经验：

  1. 对于样本量<100的数据，使用Silverman's rule of thumb：
    bw = 0.9 * min(std(data), iqr(data)/1.34) * length(data)^(-1/5);
  2. 对于多峰分布数据，可以尝试较小的带宽（如默认值的0.5倍）
  3. 使用交叉验证法确定最优带宽：
    [~,~,bw] = ksdensity(data, 'Bandwidth', [], 'Function', 'pdf', 'Kernel', 'normal');

7.2 环形图的标签重叠问题

当类别较多或某些类别占比较小时，标签容易重叠。解决方法包括：

  1. 使用引导线连接标签和扇形：
    % 在标签绘制代码中添加 line([radius_outer*cosd(mid_angle), radius_outer*1.1*cosd(mid_angle)], ... [radius_outer*sind(mid_angle), radius_outer*1.1*sind(mid_angle)], ... 'Color', [0.5 0.5 0.5], 'LineStyle', '--')
  2. 将小比例类别合并为"其他"类别
  3. 使用交互式图表，鼠标悬停时显示详细信息

7.3 颜色映射的一致性

确保颜色在不同图表元素间的一致性：

  1. 使用MATLAB内置的颜色映射：
    colors = parula(length(categories)); % 适用于环形图 kde_color = winter(1); % 适用于核密度图
  2. 创建自定义颜色主题并贯穿整个图表：
    theme = struct(); theme.ring_colors = [0.2 0.4 0.6; 0.3 0.5 0.7; ...]; theme.kde_color = [0.8 0.2 0.2];

8. 高级扩展技巧

8.1 动态数据更新

创建可动态更新数据的图表：

% 创建持久化图形对象句柄 h_ring = gobjects(length(categories), 1); h_kde = gobjects(1); % 初始化图表后，更新函数可以这样写 function updateChart(new_values, new_data) % 更新环形图 new_percentages = new_values / sum(new_values) * 100; new_angles = cumsum([0, new_percentages]) * 3.6; for i = 1:length(new_values) theta = linspace(new_angles(i), new_angles(i+1), 100); set(h_ring(i), 'XData', [radius_inner*cosd(theta), fliplr(radius_outer*cosd(theta))], ... 'YData', [radius_inner*sind(theta), fliplr(radius_outer*sind(theta))]) end % 更新核密度图 [new_pdf, new_xi] = ksdensity(new_data); new_scaled_pdf = new_pdf / max(new_pdf) * radius_inner * 0.9; theta_kde = linspace(0, 360, length(new_xi)); set(h_kde, 'XData', [new_scaled_pdf.*cosd(theta_kde), fliplr(zeros(size(theta_kde)))], ... 'YData', [new_scaled_pdf.*sind(theta_kde), fliplr(zeros(size(theta_kde)))]) end

8.2 3D效果增强

为图表添加伪3D效果：

% 为环形图添加阴影效果 for i = 1:length(values) % 主扇形区域 patch([rho_inner.*cosd(theta) fliplr(rho_outer.*cosd(theta))], ... [rho_inner.*sind(theta) fliplr(rho_outer.*sind(theta))], ... colors(i,:), 'EdgeColor', 'none', 'FaceLighting', 'gouraud') % 添加侧面阴影 patch([rho_outer.*cosd(theta(1:10:end)); (rho_outer+0.05).*cosd(theta(1:10:end))], ... [rho_outer.*sind(theta(1:10:end)); (rho_outer+0.05).*sind(theta(1:10:end))], ... 0.7*colors(i,:), 'EdgeColor', 'none', 'FaceAlpha', 0.3) end % 为核密度图添加光照效果 light('Position',[1 1 1],'Style','infinite') material dull

8.3 多数据集对比

在同一个环形图中嵌入多个核密度图进行对比：

% 假设有两组数据data1和data2 [pdf1, xi1] = ksdensity(data1); [pdf2, xi2] = ksdensity(data2); % 绘制第一个核密度图（下半圆） theta1 = linspace(180, 360, length(xi1)); rho1 = pdf1/max(pdf1)*radius_inner*0.8; patch([rho1.*cosd(theta1), fliplr(zeros(size(theta1)))], ... [rho1.*sind(theta1), fliplr(zeros(size(theta1)))], ... [0.8 0.2 0.2], 'FaceAlpha', 0.6, 'EdgeColor', 'none') % 绘制第二个核密度图（上半圆） theta2 = linspace(0, 180, length(xi2)); rho2 = pdf2/max(pdf2)*radius_inner*0.8; patch([rho2.*cosd(theta2), fliplr(zeros(size(theta2)))], ... [rho2.*sind(theta2), fliplr(zeros(size(theta2)))], ... [0.2 0.2 0.8], 'FaceAlpha', 0.6, 'EdgeColor', 'none') % 添加分隔线 plot([-radius_inner radius_inner], [0 0], 'k-', 'LineWidth', 1)
http://www.jsqmd.com/news/1304260/

相关文章：

  • 没有 AI 实习经历，怎么写一份相关简历？
  • 电竞社区舆情分析实战：从爬虫到NLP的情感挖掘与可视化
  • spring boot 外部 API 调用 ----22
  • 大厂系统设计面试：高并发抽奖系统架构解析
  • 2026年可伸缩遮阳棚厂家推荐榜单：别墅露台/户外庭院/商用摆摊折叠伸缩雨棚品牌实力深度解析 - 优企名品
  • 本科生学术写作必备AI工具全测评
  • 冒险岛资源提取器WzComparerR2：游戏素材可视化分析终极指南
  • 2026年目前口碑好的一次性超声波成型机厂家推荐，人造革皮超声波分切机/桌布超声波花边机，一次性超声波成型机公司有哪些 - 品牌推荐师
  • Summer Record-August
  • 年GMV从3000万到破亿的家居企业，如何通过AI陪跑实现战略落地的3步拆解？
  • 从SPWM到SVPWM：高性能电机FOC控制的核心调制技术详解
  • 技术人如何理性应对外界标签与自我认知：从Uzi案例看职业成长
  • HarmonyOS 应用开发《掌上英语》第79篇:@ReusableV2 全局复用池：单词卡片列表的极致性能优化
  • 模拟题6——CSP202506C 消息解码
  • 2026年近期吉林信誉好的中国著名美术家实力公司——袁惠民儿童版画艺术传承 - 装修教育财税推荐2026
  • 宝马i3提前开放订购，市场反响热烈
  • CSDN浏览器助手：开发者效率工具，全局搜索与智能工作流实战
  • Bilibili-Old：如何免费恢复B站经典界面？完整解决方案深度解析
  • LDO线性稳压器深度解析：从工作原理到选型与PCB布局实战
  • 一件代发看着简单实则利润微薄？抖音小店真实盈利空间客观剖析 - 抖掌柜
  • AI推理中Token优化策略：从隐藏位置到成本控制实战
  • 50 Cent地下音乐合集鉴别指南：从音质判断到资源管理
  • 高效时间管理：构建2026年2月28日周六的规划系统
  • 「开源项目」我不想再把密码和API Key 塞进接入了API中转站的 Agent 了，所以做了 Airlock
  • 2026年钢针源头厂家优选：不锈钢针、钨钢针、碳钢针、合金钢针、研磨钢针、304钢针、超细钢针及磁力钢针定制加工一站式实力厂家 - 优企名品
  • 模型玩具品控指南：从关节紧实度到漆面耐久性的深度把玩与修复
  • 商业路演活动参与全攻略：从信息确认到现场执行
  • Python字符串格式化全解析：从f-string到千位分隔符与精度控制
  • NMOS与PMOS核心差异详解：从原理到选型与电路设计实战
  • 工业级稳定性：C#通信程序异常处理、看门狗机制与容错设计