python matplotlib包_Python matplotlib-venn包_程序模块 - PyPI - Python中文网
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()
python matplotlib包_Python matplotlib-venn包_程序模块 - PyPI - Python中文网相关推荐
- python下载matplotlib.finance模块_Python pyfinance包_程序模块 - PyPI - Python中文网
PyFinance pyfinance是一个python包,用于投资管理和安全回报分析. 它是对面向量化金融的现有软件包的补充,例如pyfolio, 熊猫数据读取器,以及fecon235 支持巨蟒3. ...
- python queue模块安装_Python queue包_程序模块 - PyPI - Python中文网
沃特?另一个消息队列? 考虑到消息队列的激增,人们可能倾向于相信 发明更多不是答案.使用现有的解决方案是 多次尝试与大多数现有的消息队列产品. 其他的失败(对于我们的用例). queuey是用来处理大 ...
- python使用pkg包_Python deb-pkg-tools包_程序模块 - PyPI - Python中文网
python包deb-pkg-tools是要构建和 检查Debian binary packages和二进制包的存储库.它的 主要用例是自动化构建. 一些功能在命令行界面中公开(如下所述) 因为在sh ...
- python迅雷sdk_Python anthunder包_程序模块 - PyPI - Python中文网
安敦达(又名沙发螺栓Python) anthunder(ant thunder)是一个用python编写的沙发螺栓库. 它支持通过"sofa bolt+protobuf"协议调用r ...
- python pip gpl_Python PICOS包_程序模块 - PyPI - Python中文网
圆锥优化解算器的python接口 picos是一个用户友好的python api,可用于多个圆锥和整数编程. 解算器,非常像YALMIP或 CVX在MATLAB下面. picos允许您以高级别输入数学 ...
- python cmd下载模块_Python cmd包_程序模块 - PyPI - Python中文网
CMDY 从python运行命令的一个方便的包 安装# latest version pip install git+https://github.com/pwwang/cmdy # released ...
- python renamer模块_Python smart-image-renamer包_程序模块 - PyPI - Python中文网
使用包含在中的exif数据智能地批量重命名图像的脚本 安装 要安装智能图像重命名程序: 推荐的方法是通过pip.pip install smart-image-renamer 否则像其他python包 ...
- python ssh登陆模块_Python sshh包_程序模块 - PyPI - Python中文网
sshh是一个ssh帮助工具,用于在ssh代理中批量注册ssh私钥. sshh的主要目的是避免在 在ssh代理中注册的密钥数超过一定数量.当 当服务器设置私钥上限时,超过了密钥尝试的上限 严格的尝试. ...
- python app开发模块_Python pytkapp包_程序模块 - PyPI - Python中文网
用于开发应用程序的python包 多文档/单文档界面 利用tkinter库和附加tkinter集 小部件. 查看可用演示: pytkapp/demo/run_ptapoptionsdemo.py-为选 ...
最新文章
- R语言data.table进行滚动数据连接,滚动连接通常用于分析涉及时间的数据(例如商业销售活动和对应的广告投放的安排之之间的关系)实战:实战和动画说明滚动数据连接的形式及方法
- gdb coredump
- [密码学] 公钥密码基础与RSA
- 31312312312iiiii
- C++中,引用作为函数参数
- Linux 系统应用编程——进程间通信(上)
- react同步请求_React中setState同步更新策略
- 为什么要 conda 作用_武汉精神堡垒有什么作用 为什么要做?
- 入职地府后我成了人生赢家_拿年终奖前跳槽,你才是赢家
- 数组指定位置添加元素_访问数组的任意位置元素的性能真的一样?
- 红帽20亿美元强劲收入的背后,让开源成为主流
- Linux yum软件仓库配置,linux配置软件仓库 、 yum管理应用软件 、 快速部署Web/FTP...
- 在Python数据库连接池中如何创建请求连接的方案
- VB6 mysql二进制读取,vb6关于VB以二进制(binary)方式读取文本内容
- c语言中双引号是什么作用,C语言中单引号与双引号的区别
- 可汗学院公开课: 统计学_1 统计学基本知识、二项及泊松分布
- 2018——走过的路
- 怎么下载b站的弹幕(danmuku)
- 微信缓存dat怎么转图片_微信dat文件转换为图片
- 关于ubuntu浏览器模糊不清的解决方法
热门文章
- 人活着的意义__2014思想篇
- python如何设置画布开始位置_Python绘图篇——Turtle库详解(一)
- POCO库学习教程(一) windows POCO库编译(64位)
- [DirectX12学习笔记] 环境光遮蔽
- python3GUI--实用!B站视频下载工具(附源码)
- mediasoup transport dtls
- html鼠标悬停弹出,纯css实现鼠标滑过弹出层效果
- 百度品牌全知道html,史上最全!百度SEM系数大合辑,我不信你都知道~~
- oracle join 优化询,oracle中优化left join的工作心得
- R语言基本介绍 | 数据科学、Rstudio介绍、快捷键操作、R代码常见命令、数据类型、示例代码等等