Python 3套以上的比例维恩图

我在MongoDB中有一个文档集合，每个文档在列表中都有一个或多个类别。使用map reduce，我可以获得每个类别的唯一组合包含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，总计是指能够精确组合类别的文档数

我正在寻找一种合理的方法来展示这些数据，我认为一个有比例面积的维恩图是个好主意。使用上述示例，cat1区域将为523+710+891+621，cat1和cat3之间的重叠区域将为891+621，cat1、cat3、cat4之间的重叠区域将为621等

---

有没有人对我如何实现这一点有什么建议？我最好用Python（+Numpy/MatPlotLib）或MatLab来做这件事。

一般来说，这是不可能的，除非大致上，交点图是a，并且没有四向交点。边缘长度也有限制（除非您愿意绘制无定形斑点来表示区域）；因此，如果你坚持画圆圈，这甚至会受到限制

在非常简单的情况下，您可以制作一个例程来绘制一个三向维恩图，然后在三元组的“另一侧”上“添加”另一个圆。在上述情况下，

1,3,4

是该三元组，

2

是奇数

如果可能是因为数据满足上述条件（由于某些原因，图形是平面的，非常复杂），并且您使用的是无定形斑点，那么您可以绘制平面图形，并缓慢地将每条边“气球状”增长为椭球体。你可以用一种放松的方式来做这件事：如果它们的交点低于它们应该的值，它们就会膨胀；如果它们的交点高于它们应该的值，它们就会收缩。（他们实际上有两个维度来做这件事：育肥和拉长；根据需要选择。拉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，例如使用基于弹簧的物理布局。）最终您可能会找到一个答案，您必须检查其准确性。

请参阅

不过，我不知道你会如何按比例缩放面积

---

也许如果你拿一张顺序合适的图表，把它镶嵌起来。然后你可以为每个三角形指定所需的区域，并进行某种压力扩散，允许顶点移动，可能允许一些压力“泄漏”从每个三角形到属于同一集合的相邻三角形？

您可能想尝试一下，但我也在MatPlotLib上找到了它，但我认为它没有被正式接受。

我认为ninjagecko是正确的，并且通常不能表示为交点图，除非您不介意该图是n维的。但是，如果每个类别都有一个显示其所有交点的图表，那么它可以用2D表示，而这个图表本身可以是一个单独的图表。因此，这可能是表示数据的更合适的方法。我制作了一个堆叠条形图来说明：

守则：

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()

问题 我们需要表示多个相互关联的对象类别的计数，而维恩图只能表示少量的类别及其重叠

解决办法 将每个类别及其组合视为图中的一个节点。绘制图形，使节点的大小表示每个类别中的计数，边连接相关类别。这种方法的优点是：可以轻松容纳多个类别，这将成为一种连接气泡图

结果

代码 建议的解决方案使用创建数据结构并绘制它。如果数据以正确的格式显示，这将扩展到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：、等。所有链接的示例都没有使用Python；它们只是为了说明的目的而给出的。

对Gauden的答案进行修改怎么样？每个类别都是一个节点，节点之间的加权边表示重叠程度。重叠越多，边缘越厚。

鉴于维恩图无法做到这一点（见下面ninjagecko的评论），而且由于有人提出了替代方案（见fraxel创意），我想我自己也会尝试一种替代方案，一种网络图。感谢大家提出的所有伟大创意和替代方案。我认为gauden的这个网络图想法最适合我的需要。