如何从实际分类集合自动生成UpSetPlot所需的多索引计数Series?
从实际集合元素生成UpSetPlot兼容计数结构的实现方法
你完全不需要依赖官方自带的generate_counts()示例函数,可以直接基于手头的实际集合数据生成符合要求的结构。
UpSetPlot要求的输入Series本质是:以各个集合的「元素是否属于该集合」的布尔值为分层多重索引,索引对应的值是该归属组合下的元素总数量。
最常用的实现方式
当你持有各个集合的独立元素列表/集合对象时
操作步骤:
- 汇总所有集合覆盖的全量元素池
- 逐元素判断其在每个集合中的归属情况(生成True/False标记)
- 按归属标记的组合分组计数
对应的可直接运行的代码示例:
import pandas as pd from upsetplot import plot # 替换为你实际的集合数据 cat0 = {"A", "B", "C", "G"} cat1 = {"B", "C", "D", "E"} cat2 = {"C", "E", "F", "G"} # 汇总全量不重复元素 all_universe = list(cat0 | cat1 | cat2) # 生成每个元素的集合归属标记表 member_table = pd.DataFrame({ "cat0": [item in cat0 for item in all_universe], "cat1": [item in cat1 for item in all_universe], "cat2": [item in cat2 for item in all_universe], }) # 分组计数得到UpSetPlot可直接识别的结构 upset_input = member_table.groupby(["cat0", "cat1", "cat2"]).size() # 直接绘图即可,和官方示例的调用方式完全一致 plot(upset_input, orientation="vertical")
当你已经持有逐元素的属性标记表时
如果你的数据本身就是每行一个元素、每列对应一个集合的归属标记,不需要做集合合并的步骤,直接分组计数即可:
# 假设现有表结构: # 元素名 cat0 cat1 cat2 # 元素1 True False False # 元素2 True True False # ... upset_input = your_df.groupby(["cat0", "cat1", "cat2"]).size() plot(upset_input)
扩展适配场景
- 如果你的数据带元素权重(比如需要统计某类元素的出现频次、加权计数),可以把
groupby().size()替换为groupby()["权重列名"].sum(),输出的结构依然兼容UpSetPlot的所有参数 - 最终生成的
upset_input和官方generate_counts()返回的Series结构完全一致,支持所有原plot接口的自定义配置(方向、排序方式、显示阈值等)
内容的提问来源于stack exchange,提问作者user5054
相关产品推荐
相关产品推荐

