基于词频在matplotlib-set-diagrams中生成韦恩图词云的问题

核心思路 #

无需拆分三个独立蒙版，而是借助matplotlib-set-diagrams生成的韦恩图区域边界，结合wordcloud的词频权重逻辑，让词语按所属集合（仅词表1、仅词表2、交集）和自身词频，自动匹配字号并布局到对应区域。

具体实现步骤 #

1. 提取韦恩图区域路径
   • 用matplotlib-set-diagrams绘制基础韦恩图，获取三个区域（仅A、仅B、交集）的路径对象，后续将这些路径转换为词云的布局边界。
2. 拆分词频字典
   • 把总词频数据拆分为三个子字典：
     • freq_only_A：仅出现在词表1的词语及其对应词频
     • freq_only_B：仅出现在词表2的词语及其对应词频
     • freq_both：同时存在于两个词表的词语及其词频（可根据需求取平均、总和或最大值）
3. 关联区域与词频布局
   • 将每个区域的路径转换为词云掩码，调用wordcloud的generate_from_frequencies方法，分别为三个词频字典生成词云，再将词云精准叠加到韦恩图的对应区域上。

简化代码示例 #

import matplotlib.pyplot as plt
from matplotlib_set_diagrams import venn2
from wordcloud import WordCloud
import numpy as np

# 准备词频数据
freq_A = {"苹果": 10, "香蕉": 8, "橙子": 5}
freq_B = {"香蕉": 12, "葡萄": 9, "橙子": 6}

# 拆分词频集合
freq_only_A = {k: v for k, v in freq_A.items() if k not in freq_B}
freq_only_B = {k: v for k, v in freq_B.items() if k not in freq_A}
freq_both = {k: (freq_A[k] + freq_B[k])/2 for k in freq_A if k in freq_B}

# 生成韦恩图并提取区域路径
fig, ax = plt.subplots()
venn = venn2(subsets=(len(freq_only_A), len(freq_only_B), len(freq_both)), ax=ax)
plt.close(fig)

path_only_A = venn.get_patch_by_id('10').get_path()
path_only_B = venn.get_patch_by_id('01').get_path()
path_both = venn.get_patch_by_id('11').get_path()

# 定义区域内词云生成函数
def create_wordcloud_in_path(freq, path, ax):
    x, y = path.vertices.T
    # 生成对应区域的掩码
    mask = np.zeros((int(y.max()-y.min()), int(x.max()-x.min())), dtype=np.uint8)
    grid = np.mgrid[y.min():y.max(), x.min():x.max()].reshape(2, -1).T
    mask[grid[:,0].astype(int)-int(y.min()), grid[:,1].astype(int)-int(x.min())] = path.contains_points(grid)
    
    wc = WordCloud(background_color=None, mode="RGBA", mask=mask, relative_scaling=0.5)
    wc.generate_from_frequencies(freq)
    # 在指定区域绘制词云
    ax.imshow(wc, extent=(x.min(), x.max(), y.min(), y.max()), aspect='auto')

# 绘制最终韦恩图词云
fig, ax = plt.subplots(figsize=(8,8))
venn2(subsets=(len(freq_only_A), len(freq_only_B), len(freq_both)), ax=ax)
create_wordcloud_in_path(freq_only_A, path_only_A, ax)
create_wordcloud_in_path(freq_only_B, path_only_B, ax)
create_wordcloud_in_path(freq_both, path_both, ax)
plt.axis('off')
plt.show()

优化方向 #

• 词频权重自定义：交集区域的词频可选择取两个集合的最大值、总和或平均值，适配不同可视化需求。
• 布局冲突解决：若区域内词语重叠，可调整wordcloud的scale参数放大画布，或设置max_words限制显示数量。
• 视觉风格统一：为三个区域的词云设置相同字体、配色方案，保证整体视觉协调。

内容的提问来源于stack exchange，提问作者Simon Eaton