如何用Python基于分数数据统计并绘制维恩图？

数据准备 #

你的数据集如下：

df =
id testA testB
1  3     NA
1  1     3
2  2     NA
2  NA    1
2  0     0
3  NA    NA
3  1     1

需求说明 #

需要统计并绘制维恩图，展示三类记录的数量：

• 同时有testA和testB有效值（非NA）的记录
• 仅testA有有效值、testB为NA的记录
• 仅testB有有效值、testA为NA的记录

预期统计结果：

Both tests: 3
A but not B: 2
B but not A: 1

R语言实现方案 #

1. 统计分组数量 #

# 加载数据
df <- data.frame(
  id = c(1,1,2,2,2,3,3),
  testA = c(3,1,2,NA,0,NA,1),
  testB = c(NA,3,NA,1,0,NA,1)
)

# 标记分组
df$group <- case_when(
  !is.na(df$testA) & !is.na(df$testB) ~ "Both",
  !is.na(df$testA) & is.na(df$testB) ~ "A only",
  is.na(df$testA) & !is.na(df$testB) ~ "B only",
  TRUE ~ "Neither"
)

# 统计各组数量
group_counts <- table(df$group)
group_counts

运行输出：

A only      B only       Both     Neither 
          2           1           3           1 

2. 绘制维恩图 #

使用VennDiagram包生成可视化：

library(VennDiagram)

# 提取目标数值
a_only <- group_counts["A only"]
b_only <- group_counts["B only"]
both <- group_counts["Both"]

# 生成维恩图
venn.diagram(
  x = list(TestA = c(rep("A", a_only + both)), TestB = c(rep("B", b_only + both))),
  filename = NULL,
  fill = c("#4285F4", "#EA4335"),
  alpha = 0.5,
  main = "TestA vs TestB 记录分布",
  cat.cex = 1.2,
  cex = 1.5
)
grid.draw(last_plot())

Python语言实现方案 #

1. 统计分组数量 #

import pandas as pd

# 加载数据
df = pd.DataFrame({
    "id": [1,1,2,2,2,3,3],
    "testA": [3,1,2,None,0,None,1],
    "testB": [None,3,None,1,0,None,1]
})

# 统计各组
both = len(df[(df['testA'].notna()) & (df['testB'].notna())])
a_only = len(df[(df['testA'].notna()) & (df['testB'].isna())])
b_only = len(df[(df['testA'].isna()) & (df['testB'].notna())])

# 打印预期结果
print(f"Both tests: {both}")
print(f"A but not B: {a_only}")
print(f"B but not A: {b_only}")

2. 绘制维恩图 #

使用matplotlib_venn包生成可视化：

from matplotlib_venn import venn2
import matplotlib.pyplot as plt

# 生成维恩图
venn2(subsets=(a_only, b_only, both), set_labels=('TestA', 'TestB'))
plt.title("TestA vs TestB 记录分布")
plt.show()

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