目录

• 一、"霍兰德人格分析雷达图"问题分析
  • 1.1 问题分析
  • 1.2 霍兰德人格分析
  • 1.3 霍兰德人格分析雷达图
• 二、"霍兰德人格分析雷达图"实例展示
• 三、"霍兰德人格分析雷达图"举一反三

一、"霍兰德人格分析雷达图"问题分析

1.1 问题分析

雷达图 Radar Chart

雷达图是多特性直观展示的重要方式

1.2 霍兰德人格分析

• 霍兰德认为：人格兴趣与职业之间应有一种内在的对应关系
• 人格分类：研究型、艺术型、社会型、企业型、传统型、现实性
• 职业：工程师、实验员、艺术家、推销员、记事员、社会工作者

1.3 霍兰德人格分析雷达图

• 需求：雷达图方式验证霍兰德人格分析
• 输入：各职业人群结合兴趣的调研数据

• 输出：雷达图

• 通用雷达图绘制：matplotlib库
• 专业的多维数据表示：numpy库

• 输出：雷达图

二、"霍兰德人格分析雷达图"实例展示

# HollandRadarDraw

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.family'] = 'SimHei'
radar_labels = np.array(
    ['研究型(I)', '艺术型(A)', '社会型(S)', '企业型(E)', '常规型(C)', '现实型(R)'])
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
                 [0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
                 [0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
                 [0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
                 [0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
                 [0.34, 0.31, 0.38, 0.40, 0.92, 0.28]])  # 数据值

data_labels = ('艺术家', '实验员', '工程师', '推销员', '社会工作者', '记事员')
angles = np.linspace(0, 2 * np.pi, 6, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure(facecolor="white")
plt.subplot(111, polar=True)
plt.plot(angles, data, 'o-', linewidth=1, alpha=0.2)
plt.fill(angles, data, alpha=0.25)
plt.thetagrids(angles * 180 / np.pi, radar_labels, frac=1.2)
plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20)
legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1)
plt.setp(legend.get_texts(), fontsize='large')
plt.grid(True)
plt.savefig('holland_radar.jpg?x-oss-process=style/watermark')
plt.show()

三、"霍兰德人格分析雷达图"举一反三

目标 + 沉浸 + 熟练

• 编程的目标感：寻找感兴趣的目标，寻(wa)觅( jue)之
• 编程的沉浸感：寻找可实现的方法，思(zuo)考(mo)之
• 编程的熟练度：练习、练习、再练习，熟练之