3

我目前有一个带有 5 个维恩图子图的图。所有 5 个图表都是 2 个圆形 venns，每个图表都有不同的元素总和。请参阅此图。

我想知道是否可以将这 6 个子图都设置为相同的比例？例如，我的整个第一个 venn 将被缩放到小于第五个。

代码如下。非常感谢任何帮助。

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()
4

1 回答 1

4

尝试将此添加到您的代码之前plt.show()：

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：

  • 绘制的补丁matplotlib_venn被缩放，因此它们的总面积为 1。图表的中心位于点 (0, 0) 附近，并且配置了轴限制，以便图表可以紧密地放在里面。
  • 这意味着，如果您只是简单地设置xlim(-1, 1)所有ylim(-1, 1)子图，您将获得总面积相同的图表（假设所有子图都以相同的比例显示）。
  • 如果您现在需要“缩小”其中一个图表以将其面积减少 2，实现它的一种方法是简单地将所有轴限制放大sqrt(2).
  • 这就是上面的代码所做的：它首先识别出实际总面积最大的圆集，然后简单地按比例放大其他图表的限制sqrt(max_area/required_area)。

您还可以在 Y 轴上减少一些松弛，并将代码和图表更紧密地打包，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()

但是请注意，tight_layout如果感觉没有足够的空间，它将开始重新缩放您的子图，因此请检查结果（例如，通过在子图周围添加轴ax.set_axis_on()并确保所有子图具有相同的宽度）。

于 2015-12-10T14:18:10.330 回答