问Matplotlib_Venn，多个维恩图相同标度
EN

Stack Overflow用户

提问于 2015-12-09 08:25:10

回答 1查看 3.5K关注 0票数 3

目前，我有一个包含5个venn图子图的数字。所有5个图都是2个圆金星，每个图都有不同的元素和。请参阅此图。

我想知道是否有可能把这6个子地块都划分成同样的规模？例如，我的整个第一个venn将比第五个要小。

下面的代码。任何帮助都是最值得感激的。

from matplotlib_venn import venn2
from matplotlib import pyplot as plt
import numpy as np

figure, axes = plt.subplots(2, 3, figsize=(11.69,8.27))


BSL_20=(313,10,76)
BSL_40=(384,17,150)
BSL_100=(665,8,378)
BSL_100CC=(860,23,879)
BSL_200=(585,17,758)

v1=venn2(BSL_20, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[0][0])
v2=venn2(BSL_40, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[0][1])
v3=venn2(BSL_100, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[0][2])
v4=venn2(BSL_100CC, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[1][0])
v5=venn2(BSL_200, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[1][1])
v6=venn2(BSL_200, set_labels = ('150mm at 50%', '400mm at 25%'), ax=axes[1][1])
axes[1,2].axis('off')

plt.show()

python

matplotlib

venn-diagram

matplotlib-venn

平台电商解决方案

为客户提供电商客服、电商图片系统识别及搜索的快速搭建方案

回答 1

Stack Overflow用户

回答已采纳

发布于 2015-12-10 06:18:10

尝试在plt.show()之前将其添加到代码中

from matplotlib.cbook import flatten

data = [BSL_20, BSL_40, BSL_100, BSL_100CC, BSL_200]
max_area = max(map(sum, data))

def set_venn_scale(ax, true_area, reference_area=max_area):
    s = np.sqrt(float(reference_area)/true_area)
    ax.set_xlim(-s, s)
    ax.set_ylim(-s, s)

for a, d in zip(flatten(axes), data):
    set_venn_scale(a, sum(d))

解释：

matplotlib_venn绘制的补丁被缩放，使其总面积为1。图的中心位于点(0，0)附近，并配置了轴限值，以使该图能紧密地容纳在图内。
这意味着，如果您简单地为所有子图设置xlim(-1, 1)和ylim(-1, 1)，那么您将得到所有的图都有相同的总面积(假设所有子图都以相同的比例显示)。
如果您现在需要“缩小”其中一个图，以便将其面积减少2，那么实现它的一种方法就是通过sqrt(2)简单地放大所有轴的限制。
这就是上面的代码所做的:它首先识别具有最大实际总面积的圆集，然后简单地将其他图的限制按比例扩展到sqrt(max_area/required_area)。

您还可以在Y轴上放松一些，并将代码和图表包装得更紧，如下所示：

from matplotlib_venn import venn2
from matplotlib.cbook import flatten
from matplotlib import pyplot as plt
import numpy as np

figure, axes = plt.subplots(2, 3, figsize=(11.69,5.5))

BSL_20=(313,10,76)
BSL_40=(384,17,150)
BSL_100=(665,8,378)
BSL_100CC=(860,23,879)
BSL_200=(585,17,758)

data = [BSL_20, BSL_40, BSL_100, BSL_100CC, BSL_200]
max_area = max(map(sum, data))

def set_venn_scale(vd, ax, true_area, reference_area=max_area):
    sx = np.sqrt(float(reference_area)/true_area)
    sy = max(vd.radii)*1.3
    ax.set_xlim(-sx, sx)
    ax.set_ylim(-sy, sy)

for a, d in zip(flatten(axes), data):
    vd = venn2(d, set_labels = ('150mm at 50%', '400mm at 25%'), ax=a)
    set_venn_scale(vd, a, sum(d))

axes[1,2].axis('off')
figure.tight_layout(pad=0.1)
plt.show()