大家好，我是爱好数据可视化的章北海
前些天，纯 AI 识图+AI 代码复刻，还是 R 更接近，更美观。
最近又看到几张漂亮的环形条形图，顺着找到了 Python 和 R 的图表画廊，顺便分享出来，大家感受一下。
❝ 环形条形图与普通条形图非常相似，但使用极坐标而不是笛卡尔坐标。它们在使用 Python 构建时有些复杂，通常不如普通条形图准确，但它们具有引人注目的效果，有时值得使用。Python
gallery：https://python-graph-gallery.com/circular-barplot/
Matplotlib 允许通过 subplot() 函数的 polar 布局选项构建圆形条形图。
还有实现更复杂，需要大量代码才能实现的分组环形图。
市面上大部分漂亮的圆形条形图都是 R 生成，纯 Python 也行，就是要复杂异常，美观上，也能一战，比如下面这个，代码量 200 行左右：
完整代码：https://python-graph-gallery.com/532-customizing-circular-barplot-in-matplotlib/
R
用 R 做 Circular barplot 就太手到擒来了
gallery：https://r-graph-gallery.com/circular-barplot.html
用 R 做图，果然还是最佳选择.
gallery中还有很多实例都深得我心
在学术研究尤其是统计学、生物学、社会科学等领域，R 是最常用的工具之一。许多学术期刊和研究机构提供了基于 R 的数据分析和可视化模板。例如，在生物信息学中，研究人员使用 R 来可视化基因表达数据，通过热图等方式展示不同基因在不同样本中的表达水平差异。
对于发表高质量的学术图表，R 提供了很多方便的工具。例如，lattice包可以创建多面板的图形，方便在一篇研究论文中展示多个相关的可视化结果，并且可以很好地控制图形的布局和样式，以满足学术出版的要求。
如果注重通用性、与其他技术集成以及工业界应用场景，Python 可能更合适；如果侧重于统计可视化的专业性和在学术研究领域的应用，R 会是一个很好的选择。