其他
Python可视化28|matplotlib绘制韦恩图（2-6组数据）
"pythonic生物人"的第73篇分享
韦恩图可以清晰的反映不同组数据共有和各自独有的部分 本文手把手介绍如下两种python绘制venn图策略：
matplotlib_venn【2~3组数据，可以更个性化设置】
pyvenn【2~6组数据】
本文速览
欢迎随缘关注@pythonic生物人
二组数据venn
3组数据venn
4组数据venn
5组数据venn图
6组数据venn
目录
1、 matplotlib_venn
（1）两组数据venn图
绘图数据格式
一些简单参数介绍
所有圈外框属性设置
单个圈特性设置
单个圈文本设置
添加额外注释
多子图绘制venn图
（2）3组数据venn图
基本参数介绍
个性化设置图中7部分每一部分
2、pyvenn
两组数据venn
3组数据venn
4组数据venn
5组数据venn
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】 pyvenn【2~6组数据】
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）两组数据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。
两组数据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()
参考资料
https://github.com/konstantint/matplotlib-venn https://github.com/tctianchi/pyvenn
欢迎随缘关注@pythonic生物人
"点赞"、"在看"鼓