Python matplotlib可视化之绘制韦恩图
目录
本文速览1、matplotlib_venn（1）2组数据venn图（2）3组数据venn图2、pyvenn2组数据venn3组数据venn4组数据venn5组数据venn6组数据venn本文速览
2组数据venn
3组数据venn
4组数据venn
5组数据venn图
6组数据venn
python中Matplotlib并没有现成的函数可直接绘制venn图， 不过已经有前辈基于matplotlib.patches及matplotlib.path开发了两个轮子：
matplotlib_venn【2~3组数据，比较多博客介绍】：https://github.com/konstantint/matplotlib-venn
pyvenn【2~6组数据】：https://github.com/tctianchi/pyvenn
1、 matplotlib_venn
该模块包含"venn2", "venn2_circles", "venn3", "venn3_circles"四个关键函数，这里主要详细介绍"venn2"，"venn3"同理。
（1）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)
绘图数据格式
subsets参数接收绘图数据集，以下5种方式均可以，注意细微异同。
#导入依赖packages
import matplotlib.pyplot as plt
from matplotlib_venn import venn2,venn2_circles#记得安装matplotlib_venn(pip install matplotlib_venn 或者conda install matplotlib_venn)
# subsets参数
#绘图数据的格式，以下5种方式均可以，注意异同
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:
my_dpi=100
plt.figure(figsize=(500/my_dpi, 500/my_dpi), dpi=my_dpi)
g=venn2(subsets=i)#默认数据绘制venn图，只需传入绘图数据
plt.title("subsets=%s"%str(i))
plt.show()一些简单参数介绍
my_dpi=150
plt.figure(figsize=(580/my_dpi, 580/my_dpi), dpi=my_dpi)#控制图尺寸的同时，使图高分辨率（高清）显示
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.show()所有圈外框属性设置
my_dpi=150
plt.figure(figsize=(580/my_dpi, 580/my_dpi), dpi=my_dpi)
g=venn2(subsets = [{1,2,3},{1,2,4}],
set_labels = ("Label 1", "Label 2"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
)
g=venn2_circles(subsets = [{1,2,3},{1,2,4}],
linestyle="--", linewidth=0.8, color="black"#外框线型、线宽、颜色
)
plt.show()单个圈特性设置
g.get_patch_by_id("10")返回一个matplotlib.patches.PathPatch对象，有诸多参数可个性化修改 ，详细见matplotlib官网。
my_dpi=150
plt.figure(figsize=(550/my_dpi, 550/my_dpi), dpi=my_dpi)
g=venn2(subsets = [{1,2,3},{1,2,4}],
set_labels = ("Label 1", "Label 2"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
)
g.get_patch_by_id("10").set_edgecolor("red")#左圈外框颜色
g.get_patch_by_id("10").set_linestyle("--")#左圈外框线型
g.get_patch_by_id("10").set_linewidth(2)#左圈外框线宽
g.get_patch_by_id("01").set_edgecolor("green")#右圈外框颜色
g.get_patch_by_id("11").set_edgecolor("blue")#中间圈外框颜色
plt.show()单个圈文本设置
g.get_label_by_id("10") 返回一个matplotlib.text.Text对象，有诸多参数可个性化修改 ，详细见matplotlib官网。
my_dpi=150
plt.figure(figsize=(600/my_dpi, 600/my_dpi), dpi=my_dpi)
g=venn2(subsets = [{1,2,3},{1,2,4}],
set_labels = ("Label 1", "Label 2"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
)
g.get_label_by_id("10").set_fontfamily("Microsoft YaHei")#左圈中1的字体设置为微软雅黑
g.get_label_by_id("10").set_fontsize(20)#1的大小设置为20
g.get_label_by_id("10").set_color("r")#1的颜色
g.get_label_by_id("10").set_rotation(45)#1的倾斜度
添加额外注释
my_dpi=150
plt.figure(figsize=(580/my_dpi, 580/my_dpi), dpi=my_dpi)#控制图尺寸的同时，使图高分辨率（高清）显示
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()多子图绘制venn图
fig,axs=plt.subplots(1,3, figsize=(10,8),dpi=150)
g=venn2(subsets = [{1,2,3},{1,2,4}],
set_labels = ("Label 1", "Label 2"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
ax=axs[0],#该参数指定
)
g=venn2(subsets = [{1,2,3,4,5,6},{1,2,4,5,6,7,8}],
set_labels = ("Label 3", "Label 4"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
ax=axs[1],
)
g=venn2(subsets = [{0,1,2,3},{1,2,4}],
set_labels = ("Label 5", "Label 6"),
set_colors=("#098154","#c72e29"),
alpha=0.6,
normalize_to=1.0,
ax=axs[2],
)
plt.show()（2）3组数据venn图
matplotlib_venn.venn3(subsets, set_labels=("A", "B", "C"), set_colors=("r", "g", "b"), alpha=0.4, normalize_to=1.0, ax=None, subset_label_formatter=None)
参数和venn2几乎一样，介绍几个重要参数
基本参数介绍
my_dpi=150
plt.figure(figsize=(600/my_dpi, 600/my_dpi), dpi=my_dpi)#控制图尺寸的同时，使图高分辨率（高清）显示
g=venn3(subsets = [{1,2,3},{1,2,4},{2,6,7}], #传入三组数据
set_labels = ("Label 1", "Label 2","Label 3"), #设置组名
set_colors=("#01a2d9", "#31A354", "#c72e29"),#设置圈的颜色，中间颜色不能修改
alpha=0.8,#透明度
normalize_to=1.0,#venn图占据figure的比例，1.0为占满
)
plt.show()个性化设置图中7部分每一部分
(100, 010, 110, 001, 101, 011, 111)分别代替每一小块，那么代替的是那一小块了？
my_dpi=150
plt.figure(figsize=(600/my_dpi, 600/my_dpi), dpi=my_dpi)
g=venn3(subsets = [{1,2,3},{1,2,4},{2,6,7}],
set_labels = ("Label 1", "Label 2","Label 3"),
set_colors=("#01a2d9", "#31A354", "#c72e29"),
alpha=0.8,
normalize_to=1.0,
)
for i in list("100, 010, 110, 001, 101, 011, 111".split(", ")):
g.get_label_by_id("%s"%i).set_text("%s"%i)#修改每个组分的文本
#然后就可以如同venn2中那样个性化设置了
g.get_label_by_id("110").set_color("red")#1的颜色
g.get_patch_by_id("110").set_edgecolor("red")
plt.show()
2、pyvenn
同样，该库还是基于matplotlib.patches二次开发；
区别于上文，pyvenn支持2到6组数据；matplotlib_venn更加灵活多变。
pyvenn具有"venn2", "venn3", "venn4", "venn5", "venn6"五大主要函数，这里主要介绍venn2，其它同理。
2组数据venn
venn.draw_annotate、venn.draw_text、venn.venn2中的fill()参数非常助于个性化设置。
venn2(labels, names=["A", "B"], **options)
import matplotlib.pyplot as plt
#添加pyvenn路径
import sys
sys.path.append(r"path\pyvenn-master")
import venn
mycolor=[[0.10588235294117647, 0.6196078431372549, 0.4666666666666667,0.6],
[0.9058823529411765, 0.1607843137254902, 0.5411764705882353, 0.6]]
labels = venn.get_labels([[1,2,3,4,5,6],[1,2,4,5,6,7,8]], fill=["number",
"logic",#开启每个组分代码
"percent"#每个组分的百分比
],
)
fig, ax = venn.venn2(labels,
names=list("AB"),
dpi=96,
colors=mycolor,#传入RPGA色号，直接传hex色号或者RGB会导致重叠部分被覆盖
fontsize=15,#控制组名及中间数字大小
)
plt.style.use("seaborn-whitegrid")
ax.set_axis_on()#开启坐标网格线
#ax.set_title("venn2")
# 提取plt.annotate部分参数
venn.draw_annotate(fig, ax, x=0.3, y=0.18, #箭头的位置
textx=0.1, texty=0.05, #箭尾的位置
text="Aoligei!", color="r", #注释文本属性
arrowcolor="r",#箭头的颜色等属性
)
#添加文本
venn.draw_text(fig, ax, x=0.25, y=0.2, text="number:logic(percent)",
fontsize=12, ha="center", va="center")3组数据venn
labels = venn.get_labels([range(10), range(5, 15), range(3, 8)], fill=["number",
"logic",
"percent"
]
)
fig, ax = venn.venn3(labels, names=list("ABC"),dpi=96)
fig.show()4组数据venn
labels = venn.get_labels([range(10), range(5, 15), range(3, 8), range(8, 17)], fill=["number",
"logic",
"percent"
])
fig, ax = venn.venn4(labels, names=list("ABCD"))
fig.show()5组数据venn
labels = venn.get_labels([range(10), range(5, 15), range(3, 8), range(8, 17), range(10, 20)], fill=["number",
"logic",
"percent"
])
fig, ax = venn.venn5(labels, names=list("ABCDEF"))
fig.show()6组数据venn
labels = venn.get_labels([range(10), range(5, 15), range(3, 8), range(8, 17), range(10, 20), range(13, 25)], fill=["number", "logic","percent"])
fig, ax = venn.venn6(labels, names=list("ABCDEF"))
fig.show()以上就是Python matplotlib可视化之绘制韦恩图的详细内容，更多关于Python matplotlib韦恩图的资料请关注脚本之家其它相关文章！
X 关闭
X 关闭
- 15G资费不大降！三大运营商谁提供的5G网速最快？中国信通院给出答案
- 2联想拯救者Y70发布最新预告：售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施？沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告：二手市场“飘香”
- 8充电宝100Wh等于多少毫安？铁路旅客禁止、限制携带和托运物品目录
- 9好消息！京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处？