使用 Pandas 和 Matplotlib 绘制 Lex 等人的 UpSet 图
项目描述
这是 Lex 等人的 UpSet 图的另一个 Python 实现。[Lex2014]。UpSet 图用于可视化集合重叠；像维恩图，但更具可读性。文档位于https://upsetplot.readthedocs.io。
这个upstplot库试图提供一个简单的接口，支持一个可扩展的、面向对象的设计。
如我们的数据格式指南中所述，有许多方法可以表示数据的分类。
我们的内部输入格式使用pandas.Series包含对应于子集大小的计数，其中每个子集是命名类别的交集。系列的索引通过具有多个布尔索引来指示哪些行属于哪些类别，如下例所示：
>>> from upsetplot import generate_counts
>>> example = generate_counts()
>>> example
cat0 cat1 cat2
False False False 56
True 283
True False 1279
True 5882
True False False 24
True 90
True False 429
True 1957
Name: value, dtype: int64
然后：
>>> from upsetplot import plot >>> plot(example) # doctest: +SKIP >>> from matplotlib import pyplot >>> pyplot.show() # doctest: +SKIP
使：
该图显示了我们数据中看到的每个类别组合的基数。最左边的列计算任何类别中不存在的项目。接下来的三列分别只计算cat1、cat2和cat3中的项目，以下列显示恰好两个命名集的每个组合中项目的基数。最右边的列计算所有三组中的项目。
回转
我们将上述绘图样式称为“水平”，因为类别交叉点是从左到右呈现的。 还支持垂直图！
分布
提供一个 DataFrame 而不是一个 Series 作为输入，我们可以表达地 绘制 每个子集中变量的分布。
加载数据集
虽然上面的数据集是随机生成的，但您可以准备自己的数据集以输入到 uptplot 中。一个有用的工具是from_memberships，它允许我们通过指示每个数据点的类别成员来重构上面的示例：
>>> from upsetplot import from_memberships
>>> example = from_memberships(
... [[],
... ['cat2'],
... ['cat1'],
... ['cat1', 'cat2'],
... ['cat0'],
... ['cat0', 'cat2'],
... ['cat0', 'cat1'],
... ['cat0', 'cat1', 'cat2'],
... ],
... data=[56, 283, 1279, 5882, 24, 90, 429, 1957]
... )
>>> example
cat0 cat1 cat2
False False False 56
True 283
True False 1279
True 5882
True False False 24
True 90
True False 429
True 1957
dtype: int64
另请参见from_contents，另一种描述分类数据的方式，以及 from_indicators，它允许每个类别由数据框中的列（或列数据的函数，例如是否为缺失值）指示。
安装
要安装库，您可以使用pip：
$ pip install upsetplot
安装要求：
熊猫
matplotlib >= 2.0
seaborn 使用UpSet.add_catplot
然后应该可以：
>>> import upsetplot
在 Python 中。
为什么要替代 py-upset？
可能是因为一些小事。看起来py-upset没有得到维护。它的输入格式没有记录，效率低下，而且 IMO 不合适。它不利于显示每个子集的分布图，就像 Lex 等人在介绍 UpSet 图的工作中那样。它也不包括那里所示的水平条形图。它不支持 Python 2。我认为构建一个更干净的版本比修复它更容易。
参考
Alexander Lex, Nils Gehlenborg, Hendrik Strobelt, Romain Vuillemot, Hanspeter Pfister, UpSet: Visualization of Intersecting Sets , IEEE Transactions on Visualization and Computer Graphics (InfoVis '14), vol. 20，没有。12, pp. 1983–1992, 2014. doi: doi.org/10.1109/TVCG.2014.2346248
