matplotlib-venn 0.11.5

安装

安装包的最简单方法是通过easy_install或 pip：

$ easy_install matplotlib-venn

依赖关系

• numpy，
• scipy，
• matplotlib。

用法

包提供四个主要功能：venn2， venn2_circles、venn3和venn3_circles。

函数venn2和venn2_circles只接受它们 必需参数子集大小的3元素列表(Ab, aB, AB)， 例如：

venn2(subsets = (3, 2, 1))

并画出一个两个圆的区域区域文氏图。在 特定的例子，对应于子集A and not B的区域在面积上比区域大三倍， 对应于子集A and B。或者，你可以简单地 请提供两个set或Counter（即多个集合）对象的列表（0.7版中的新对象）。 例如：

venn2([set(['A', 'B', 'C', 'D']), set(['D', 'E', 'F'])])

类似地，函数venn3和venn3_circles采用 子集大小(Abc, aBc, ABc, abC, AbC, aBC, ABC)的7元素列表，并绘制一个三圆区域加权venn 图表。或者，您可以提供三个set或Counter对象的列表 （而不是计算所有7个子集的大小）。

函数venn2_circles和venn3_circles只绘制 圆，而函数venn2和venn3则绘制 图表作为彩色补丁的集合，用文本注释 标签。此外（版本0.7+），函数venn2_unweighted和 venn3_unweighted绘制不带区域权重的维恩图。

注意，对于三圆维恩图，它不是一般的 可能实现所需集合之间的精确对应 但是在大多数情况下，图片仍然是 提供一个像样的指示。

函数venn2_circles和venn3_circles返回可以进一步优化的matplotlib.patch.Circle对象列表 你喜欢的。函数venn2和venn3返回类VennDiagram的对象， 它允许访问组成修补程序、文本元素和 版本0.7）关于中心和半径的信息 圈子。

基本示例：

from matplotlib_venn import venn2
venn2(subsets = (3, 2, 1))

对于三个圆的情况：

from matplotlib_venn import venn3
venn3(subsets = (1, 1, 1, 2, 1, 2, 2), set_labels = ('Set1', 'Set2', 'Set3'))

更详细的示例：

from matplotlib import pyplot as plt
import numpy as np
from matplotlib_venn import venn3, venn3_circles
plt.figure(figsize=(4,4))
v = venn3(subsets=(1, 1, 1, 1, 1, 1, 1), set_labels = ('A', 'B', 'C'))
v.get_patch_by_id('100').set_alpha(1.0)
v.get_patch_by_id('100').set_color('white')
v.get_label_by_id('100').set_text('Unknown')
v.get_label_by_id('A').set_text('Set "A"')
c = venn3_circles(subsets=(1, 1, 1, 1, 1, 1, 1), linestyle='dashed')
c[0].set_lw(1.0)
c[0].set_ls('dotted')
plt.title("Sample Venn diagram")
plt.annotate('Unknown set', xy=v.get_label_by_id('100').get_position() - np.array([0, 0.05]), xytext=(-70,-70),
             ha='center', textcoords='offset points', bbox=dict(boxstyle='round,pad=0.5', fc='gray', alpha=0.1),
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=0.5',color='gray'))
plt.show()

具有多个子块的示例（0.6版中的新功能）：

from matplotlib_venn import venn2, venn2_circles
figure, axes = plt.subplots(2, 2)
venn2(subsets={'10': 1, '01': 1, '11': 1}, set_labels = ('A', 'B'), ax=axes[0][0])
venn2_circles((1, 2, 3), ax=axes[0][1])
venn3(subsets=(1, 1, 1, 1, 1, 1, 1), set_labels = ('A', 'B', 'C'), ax=axes[1][0])
venn3_circles({'001': 10, '100': 20, '010': 21, '110': 13, '011': 14}, ax=axes[1][1])
plt.show()

也许最常见的用例是生成给定的venn图 三组对象：

set1 = set(['A', 'B', 'C', 'D'])
set2 = set(['B', 'C', 'D', 'E'])
set3 = set(['C', 'D',' E', 'F', 'G'])

venn3([set1, set2, set3], ('Set1', 'Set2', 'Set3'))
plt.show()

问题

• 如果您在StackOverflow提出问题并标记为matplotlib-venn，则很有可能从这个包的维护者那里得到答案。

另请参见

• 在github上报告问题并提交修复： https://github.com/konstantint/matplotlib-venn

  查看DEVELOPER-README.rst以获取与开发相关的注释。

• 绘制维恩图的一些替代方法（如 2012年10月）在博客中评论： http://fouryears.eu/2012/10/13/venn-diagrams-in-python/

• matplotlib-subsets包 将集合的层次结构可视化为矩形树。

• matplotlib_venn_wordcloud包 将文氏图与单词云相结合，得到了一个非常惊人（有趣）的结果。