Python 数据可视化之韦恩图

韦恩图简介

维恩图(Venn)，也叫温氏图、维恩图、范氏图，用于显示元素集合重叠区域的图表。维恩图是关系型图表，通过图形与图形之间的层叠关系，来表示集合与集合之间的相交关系。

适合场景1：表示2个集合相交关系

场景说明：有一个集合A，有一个集合B，相交集合为C。
数据说明：2个维度数据，分类数据映射集合名，关系数据映射集合关系。

适合场景2：表示3个集合相交关系

场景说明：有集合A、B、C。
数据说明：2个维度数据，分类数据映射集合名，关系数据映射集合关系。

适合场景3：表示4个集合相交关系

场景说明：有一个集合A、B、C、D。
数据说明：2个维度数据，分类数据映射集合名，关系数据映射集合关系。

不适合韦恩图的场景

超过五个集合的场景，不适合适用韦恩图。

使用Python绘制韦恩图的方法

在Python中，有多个用于绘制韦恩图的工具包。以下是其中几个：

matplotlib_venn：matplotlib_venn是一个基于matplotlib的Python包，用于绘制双向和三向韦恩图。它支持任意数量的集合，并且可以自定义颜色、标签和字体等属性。
matplotlib_venn_wordcloud：这是一个基于matplotlib和wordcloud的Python包，用于绘制带有标签的韦恩图（也称为文本韦恩图）。它生成的图形显示每个集合的标签，并根据集合之间的重叠程度调整标签大小。
upsetplot：upsetplot是一个用于绘制交集和韦恩图的Python库。它支持任意数量的集合和交集，并提供了很多可视化选项。

matplotlib_venn

Python中Matplotlib并没有现成的函数可直接绘制venn图，matplotlib_venn需要单独的安装。matplotlib_venn支持2-3组数据，matplotlib_venn包含’venn2′, ‘venn2_circles’, ‘venn3’, ‘venn3_circles’四个关键函数。

2组数据venn图

matplotlib_venn.venn2(subsets, set_labels=('A', 'B'), set_colors=('r', 'g'), alpha=0.4, normalize_to=1.0, ax=None, subset_label_formatter=None)

subsets参数接收绘图数据集，以下5种方式均可以：

import matplotlib.pyplot as plt
from matplotlib_venn import venn2,venn2_circles

subset = [[{1,2,3},{1,2,4}],#列表list(集合1，集合2)
          ({1,2,3},{1,2,4}),#元组tuple(集合1，集合2)
          {'10': 1, '01': 1, '11': 2},#字典dict(A独有，B独有，AB共有)
          (3, 3, 2),####元组tuple（A有，B有，AB共有），注意和其它几种方式的异同点
          [3,3,2]#列表list（A有，B有，AB共有） 
         ]
for i in subset:
    plt.figure()
    g=venn2(subsets=i)
    plt.title('subsets=%s'%str(i))
    plt.show()

简单的说，有三种方式设置subsets：

明细方式：提供2个集合
合并统计方式：接受一个3元素（Ab，aB，AB）构成的 tuple/list 作为各个子集所包含元素的个数（不是具体的元素）,或使用类似二进制的方式设置每个场景的数值。10代表A有B没有，01代表A没有B有，11代表A有B有。
- Ab：包含A，但不包含B，即A中非B的部分，A∩¬B
- aB：包含B，但不包含A，即B中非A，B∩¬A
- AB：既包含A，又包含B，即A与B的交集，A∩B

venn2()和venn2_circles()都是用于绘制二元韦恩图的函数，但它们的作用不同。

venn2()：这个函数会生成一个包含两个圆圈和重叠区域的韦恩图。该函数需要传入两个集合并根据它们的重叠部分来绘制韦恩图。例如，以下代码展示了如何使用venn2()方法绘制一个简单的二元韦恩图：
venn2_circles()：这个函数会生成包含两个圆形的韦恩图。它可以用于自定义韦恩图的圆形和文本标签等属性。venn2_circles()函数返回一个包含两个圆形边缘的列表，可以使用这些对象来自定义圆形和设置其属性。例如，以下代码演示了如何在二元韦恩图中更改圆形颜色和透明度：

因此，venn2()函数可以方便地绘制出默认的二元韦恩图，而venn2_circles()函数提供了更多的自定义选项，对绘制更加复杂的韦恩图很有用。

复杂图形的设置示例：

plt.figure()
g=venn2(subsets = [{1,2,3},{1,2,4}], #绘图数据集
        set_labels = ('Label 1', 'Label 2'), #设置组名
        set_colors=("#098154","#c72e29"),#设置圈的颜色，中间颜色不能修改
        alpha=0.6,#透明度
        normalize_to=1.0,#venn图占据figure的比例，1.0为占满
       )

plt.annotate('I like this green part!', 
             color='#098154',
             xy=g.get_label_by_id('10').get_position() - np.array([0, 0.05]), 
             xytext=(-80,40),
             ha='center', textcoords='offset points', 
             bbox=dict(boxstyle='round,pad=0.5', fc='#098154', alpha=0.6),#注释文字底纹
             arrowprops=dict(arrowstyle='-|>', connectionstyle='arc3,rad=0.5',color='#098154')#箭头属性设置
            )

plt.annotate('She like this red part!', 
             color='#c72e29',
             xy=g.get_label_by_id('01').get_position() + np.array([0, 0.05]), 
             xytext=(80,40),
             ha='center', textcoords='offset points', 
             bbox=dict(boxstyle='round,pad=0.5', fc='#c72e29', alpha=0.6),
             arrowprops=dict(arrowstyle='-|>', connectionstyle='arc3,rad=0.5',color='#c72e29')
            )

plt.annotate('We both dislike this strange part!', 
             color='black',
             xy=g.get_label_by_id('11').get_position() + np.array([0, 0.05]), 
             xytext=(20,80),
             ha='center', textcoords='offset points', 
             bbox=dict(boxstyle='round,pad=0.5', fc='grey', alpha=0.6),
             arrowprops=dict(arrowstyle='-|>', connectionstyle='arc3,rad=-0.5',color='black')
            )

plt.show()

3组数据venn图

类似地，venn3与venn3_circles 接受一个7个元素构成的元组作为各个子集的大小（Abc, aBc, ABc, abC, AbC, aBC, ABC）。

pyvenn

pyvenn是一个用于绘制韦恩图和欧拉图的Python库。它可以绘制 2 至 6 种数据集之间的多个韦恩图和欧拉图，支持自定义颜色，标签，字体等属性。pyvenn 目前已经不再维护，因此可能无法使用 pip 安装。可以尝试从 GitHub 安装。

upsetplot

Upsetplot是一个Python可视化工具，用于绘制集合的交集和并集以及其中的元素数量。这个工具可以帮助我们更好地理解不同组之间的共同和独特元素。此外，Upsetplot还提供了一些功能来探索数据的子集，如交互式筛选器和聚类等。

Upsetplot最常用的场景是分析多个数据集之间的共同元素：例如，在生物学中，我们可能需要比较几种不同基因的表达谱，以确定它们之间的重叠和唯一的部分。Upsetplot可以可视化这些基因集之间的相对大小和交集，同时仍然保留每个集合的独特元素。

除了交互式功能，Upsetplot还为自定义绘图提供了很多选项，包括修改样式、标记和颜色等。Upsetplot还可以与其他Python数据科学库（如Pandas和Matplotlib）无缝配合使用，使其易于集成到现有代码中。

我们都知道在展示几个集合的交集情况时，应该使用维恩图，非常直观。但是当集合数大于 3 的时候，维恩图就很难绘制了，或者说即使绘制出来，可读性也非常差，让人看得云里雾里。

上面这张图就叫这种图就叫UpSet。UpSet 是一种用于可视化多个集合的交叉情况的图形，可以看做是增强的维恩图，专门用来应付这种情况，非常适合集合数多于 3 个时交集情况的展示，由哈佛医学院视觉计算组于 2014 年的论文《UpSet: Visualization of Intersecting Sets》中提出，算是比较新的了。

UpSet 由三部分组成，分别解释如下：

upsetplot 的主要 API 是upsetplot.plot(data, fig=None, **kwargs) 方法。主要参数如下：

data： Series 或者 pd.DataFrame ，一般来说是 MultiIndex 的，用来表示 object 的归属情况（归属于哪个集合），其值为 0/1 或者 True/False。这个参数一般是由内置函数生成的，不用自己创建，包括 from_contents、 from_indicators、 from_memberships，可以根据你的源数据的格式选择合适的函数。具体用法下面介绍。
fig： figure() 对象，可以指定绘制在哪个 figure 上。保存图时有用，如果你不传此参数，直接使用 plt.savefig() 保存，会得到一个空图。

你也可以传入其他参数，这些参数同时也是 UpSet() 的参数，主要有：

sort_by：subset（即绿色部分）的排序依据，可选的有cardinality、degree（默认值）和 None。cardinality 表示根据 subset 的大小排序。degree 表示 subset 中包含的 set 的数量（即蓝色部分每列黑色圆圈的数量，自由度），会根据这个数量进行排序。set，或者叫 category，就是图中的红色部分。None 表示根据数据原本的出现顺序排序。
subset_size：如何计算 subset 大小（即绿色部分的柱高），可选的有auto（默认值）、count 和 sum。auto 表示当 data 是 DataFrame 时，使用 count，除非另一个默认为 None 的参数 sum_over 被指定为非 None。count 表示用 group（subset）的行数作为 subset 大小。sum 就表示对 data 进行求和，或者在 sum_over 指定的列上进行求和。
min_subset_size：最小 subset 大小。有时候 subset 过多，需要用此参数来限制 subset 数量。
max_subset_size：最大 subset 大小。有时候 subset 过多，需要用此参数来限制 subset 数量。
min_degree：最小 degree。有时候不想显示 degree 为 0（即某列中全是灰色圆圈，没有黑色圆圈）或 1 的情况，可以用此参数来限制。
max_degree：最大 degree。类上。

绘图的核心就是 data 参数，因此如何准备你的数据是至关重要的。前面我们提到过生成 data 的函数主要有三个：from_contents、from_indicators和from_memberships，下面我们分别来看下传给这三种函数的数据是什么样子的。

from_contents

from_contents 期望的数据格式是一个 dict，key 为 category name（或者叫集合名称），value 为集合中包含的对象列表，这些对象必须是 int 或者 str 格式，即 value 必须是 list of int 或者 list of str。

例如下面这样：

contents = {
    "set1": ["a", "b", "c"],  # set1 包含 a、b、c 三个对象
    "set2": ["b", "d"],       # set2 包含 b、d 两个对象
    "set3": ["e"]             # set3 包含 e 一个对象
}

传给 from_contents 后生成的数据如下：

>>> from_contents(contents)  # DataFrame
                  id
set1  set2  set3    
True  False False  a
      True  False  b
      False False  c
False True  False  d
      False True   e

这返回的数据就是一个 MultiIndex DataFrame，将之传给 plot() 即可绘图，如下图左边：

其等效的维恩图如下：

from_indicators

indicator 是“指示符”的意思，类似指示函数 indicator function 返回的是 0 和 1，from_indictors 也期望输入是一个只包含 bool 类型的数据。可以是一个 dict、一个 DataFrame，但总归是一个表格类型数据。列名是集合名称，value 是 True/False，表示某个对象属不属于该集合，所以 value list 的长度或者 DataFrame 的长度就是对象数量。

例如：

# dict 类型的输入
indicators_dict = {
    "set1": [True, True, True, False, False],
    "set2": [False, True, False, True, False],
    "set3": [False, False, False, False, True]
}

# DataFrame 类型的输入
indicators_df = pd.DataFrame(indicators)
#     set1   set2   set3
# 0   True  False   True
# 1  False   True   True
# 2   True  False  False
# 3  False  False  False

plot(from_indicators(indicators), subset_size='count')
# or plot(from_indicators(indicators_df), subset_size='count')，效果相同

结果图同上。

from_memberships

from_memberships 就比较直接了，是一个嵌套 list，每个 item 也是一个 list，表示一个对象的归属情况，里面的每个 item 是 str 类型的集合名称，即每个对象的”会员关系“ memberships，它们都是哪家的会员。

我们还是沿用上面的例子：

memberships = [
    ['set1'],          # a 归属于 set1
    ['set1', 'set2'],  # b 归属于 set1 和 set2
    ['set1'],          # c 归属于 set1
    ['set2'],          # d 归属于 set2
    ['set3']           # e 归属于 set3
]

传给 from_memberships 后生成的数据如下：

>>> from_memberships(memberships)  # Series
set1   set2   set3 
True   False  False    1
       True   False    1
       False  False    1
False  True   False    1
       False  True     1
Name: ones, dtype: int64
>>> plot(from_memberships(memberships), subset_size='count')  # 绘图

最后的结果图和上面一致。

韦恩图在线绘制工具推荐：

Python 数据可视化之韦恩图

韦恩图简介

使用Python绘制韦恩图的方法

matplotlib_venn

pyvenn

upsetplot

Flask学习之Werkzeug

Python模板引擎jinja2

PEP 324：子进程管理 subprocess

发表回复取消回复

Python 数据可视化之韦恩图

韦恩图简介

使用Python绘制韦恩图的方法

matplotlib_venn

pyvenn

upsetplot

相关文章:

Flask学习之Werkzeug

Python模板引擎jinja2

PEP 324：子进程管理 subprocess

发表回复 取消回复

发表回复取消回复