比例维恩图超过3套

Question

我在MongoDB中有一组文档，每个文档在列表中都有一个或多个类别。使用map reduce，我可以获得每个独特的类别组合有多少文档的详细信息：

['cat1']               = 523
['cat2']               = 231
['cat3']               = 102
['cat4']               = 72
['cat1','cat2']        = 710
['cat1','cat3']        = 891
['cat1','cat3','cat4'] = 621 ...

其中总数是针对精确组合类别的文档数量。

我正在寻找一种合理的方式来呈现这些数据，我认为具有比例区域的维恩图是个好主意。使用上面的例子，区域cat1将是523 + 710 + 891 + 621，cat1和cat3之间的重叠区域将是891 + 621，cat1，cat3，cat4之间的重叠区域将是621等。

有没有人对我如何实施这个有任何提示？我最好喜欢用Python（+ Numpy / MatPlotLib）或MatLab来做。

Answer 1

问题

我们需要表示多个互连的对象类别的计数，而维恩图表不能代表一些微不足道的类别及其重叠。

解决方案

将每个类别及其组合视为图表中的节点。绘制图形，使节点的大小代表每个类别中的计数，边缘连接相关的类别。这种方法的优点是：可以轻松容纳多个类别，这成为一种连接的气泡图。

结果

守则

建议的解决方案使用NetworkX创建数据结构，使用matplotlib绘制数据结构。如果数据以正确的格式显示，则会扩展为具有多个连接的大量类别。

import networkx as nx
import matplotlib.pyplot as plt

def load_nodes():
    text = '''  Node    Size
                1        523
                2        231
                3        102
                4         72
                1+2      710
                1+3      891
                1+3+4    621'''
    # load nodes into list, discard header
    # this may be replaced by some appropriate output 
    # from your program
    data = text.split('\n')[1:]
    data = [ d.split() for d in data ]
    data = [ tuple([ d[0], 
                    dict( size=int(d[1]) ) 
                    ]) for d in data]
    return data

def load_edges():
    text = '''  From   To
                1+2    1
                1+2    2
                1+3    1
                1+3    3
                1+3+4    1
                1+3+4    3
                1+3+4    4'''
    # load edges into list, discard header
    # this may be replaced by some appropriate output 
    # from your program
    data = text.split('\n')[1:]
    data = [ tuple( d.split() ) for d in data ]
    return data

if __name__ == '__main__':
    scale_factor = 5
    G = nx.Graph()
    nodes = load_nodes()
    node_sizes = [ n[1]['size']*scale_factor
                  for n in nodes ]

    edges = load_edges()
    G.add_edges_from( edges )

    nx.draw_networkx(G, 
                     pos=nx.spring_layout(G),
                     node_size = node_sizes)
    plt.axis('off')
    plt.show()

其他解决方案

其他解决方案可能包括：bubble charts，Voronoi diagrams，chord diagrams和hive plots等。所有链接的示例都不使用Python;它们仅用于说明目的。

Answer 2

我相信ninjagecko是正确的，这通常不能表示为交叉图，除非你不介意图是n维。但是，如果每个类别都有一个显示其所有交叉点的图表，它可以用2D表示 - 这本身可以是单个图表。因此，这可能是表示数据的更合适的方式。我制作了一个堆叠的条形图来说明：

代码：

cats = ['cat1','cat2','cat3','cat4']
data = {('cat1',): 523, ('cat2',): 231, ('cat3',): 102, ('cat4',): 72, ('cat1','cat2'): 710,('cat1','cat3'): 891,('cat1','cat3','cat4') : 621}

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

colors = dict([(k,(random(),random(),random())) for k in data.keys()])
print colors
for i, cat in enumerate(sorted(cats)):
    y = 0
    for key, val in data.items():
        if cat in key:
            plt.bar(i, val, bottom=y, color=colors[key])
            plt.text(i,y,' '.join(key))
            y += val
plt.xticks(np.arange(len(cats))+0.4, cats )
plt.show()

Answer 3

这通常不可能，除非粗略地说，交叉图是planar graph AND 你没有4路交叉点。边长也有限制（除非您愿意绘制无定形斑点来表示区域）;因此，如果你坚持画圈，这甚至可以更多限制。

在非常简单的情况下，您可以制作一个例程来绘制三维维恩图，然后在三联体的“另一侧”“添加”另一个圆圈。在上述情况下，1,3,4就是那个三元组，而2是奇数一个。

如果 是可能的，因为您的数据满足上述条件（由于某种原因，您的图形是平面且极其复杂）， AND 您使用无定形blob，您可以绘制平面图，慢慢地使每个边缘“膨胀”成椭圆体。你可以放松的方式做到这一点：如果他们的交叉点低于他们应该的交叉点，它们就会升起，如果它们的交叉点高于应该的交叉点，它们会收缩。 （它们实际上有2个尺寸来执行此操作：肥育和拉长;适当选择。伸长将推动图表的其余部分，因此您必须检查这不会使事情变得不可能，例如通过使用基于物理弹簧的物理布局。）最终你可能会收到一个答案，你必须检查它的准确性。

Answer 4

Gauden的答案如何变化？每个类别都是一个节点，节点之间的加权边表示度重叠。重叠越多，边缘越厚。

Answer 5

请参阅some examples of higher-order diagrams。

我不知道如何缩放比例区域。

也许如果您拍摄了相应订单的图表并对其进行了详细说明。那么你可以为每个三角形分配所需的区域并进行某种压力扩散，允许顶点移动并允许一些压力从每个三角形“泄漏”到属于同一组的邻居？

Answer 6

您可能想尝试https://github.com/icetime/pyinfor/blob/master/venn.py，但我也在MatPlotLib上找到它https://github.com/icetime/matplotlib/blob/master/lib/matplotlib/venn.py，但我不认为它已被正式接受。