一、circular图
Circular图也叫环状图，是展示关系网络或是多元数据的图表，它可以将很多信息以可视化的方式展现。Circular图是由Martin Krzywinski所设计，广泛应用于生物信息学，地理信息系统，统计学等领域。
在Circular图中，各个数据点位于环形图的一定位置，根据需求可以连线或是用弧度（或扇形）代表这些数据点之间的关系。Circular图主要有两个优点：1、展示范围广，可视化效果好。2、节省可视化空间，方便人眼观察。
下面是一个Circular图的代码示例：
#导入示例数据 chr - tig pairs chr1 tig00000001_pilon 1 30744 chr1 tig00000001_pilon 30745 41455 chr1 tig00000001_pilon 41456 86090 chr1 tig00000002_pilon 1 56857 chr1 tig00000002_pilon 56858 86510 chr1 tig00000003_pilon 1 27296 chr1 tig00000003_pilon 27297 36267 chr1 tig00000003_pilon 36268 117667 #设置Circular图的外观和属性 karyotype= outfile=karyotype.txt chromosomes_units=10000 chromosomes_display_default=no color=red fill=yes radius=0.9r bezier_radius=0.1r ribbon=true stroke_thickness=2 stroke_color=black color=hsb(0.5,0.5,0.7) #生成Circular图 circos -conf circle.conf -outputfile circle.png
二、circomstance区别
circumstance是一种与Circular图有着相同设计理念的数据可视化软件。它虽然也展示关系网和多元数据，但是其主要应用是在社交网络等领域。Circumstance与Circular图有以下区别：
1、在Circumstance中，展现的点是以直线的形式展现的。与Circular图不同，Circumstance把几个参数中的一个以一定的规则呈放在一条直线上，来展示它们的关系。
2、Circumstance中一些设计很丰富，包括渐变色、不透明度、滤镜等等，这些在Circular图中要更为麻烦。
下面是一个Circumstance的代码示例：
#导入示例数据
"Party Size","Affiliation","Country","Age","Gender"
1000,"Republican","USA",20,"Male"
1000,"Democratic","USA",21,"Female"
1000,"Independent","USA",25,"Male"
1200,"Republican","Canada",18,"Female"
#设置Circumstance图的样式和属性
no_axes
height=800
width=800
x=Affiliation
y=Party Size
line_thickness=8
color_scheme=spectral
theme=arrows
direction=counter_clockwise
font_size=18
font_color=black
font_family=sans_serif
echo=true
placement=inside
orientation=radial
rotation=-60
#生成Circumstance图
circumstance -f data.csv -o output.svg
三、circuit图
Circuit图是由D3.js提供的技术，同样是一种数据可视化图表。它主要展示的是一组数据之间的关系和流动情况，尤其适用于展示电路板等情形。
Circuit图和Circular图、Circumstance一样，也可以通过连线和区域来展示关系网。但是，Circuit图的连线和路径是沿着一个方向而不是在平面空间展开。Circuit图的特点是图表简洁、清晰易懂。
下面是一个Circuit图的代码示例：
#导入D3.js库和展示数据
var svg = d3.select("svg");
var data = {
nodes: [
{name: "Node A"},
{name: "Node B"},
{name: "Node C"},
{name: "Node D"},
{name: "Node E"},
{name: "Node F"}
],
links: [
{source: 0, target: 1},
{source: 1, target: 2},
{source: 2, target: 3},
{source: 3, target: 4},
{source: 4, target: 5},
{source: 5, target: 0}
]
};
var width = 600,
height = 600;
var nodes = data.nodes,
links = data.links;
nodes.forEach(function(d, i) { d.id = i; });
var maxLinkWeight = d3.max(links, function(d) { return d.value; });
var path = d3.line()
.x(function(d) { return d.x; })
.y(function(d) { return d.y; })
.curve(d3.curveBasis);
var rNodes = 30,
gapAngle = Math.PI/20;
nodes.forEach(function(d, i) {
var angle = i * 2*Math.PI/nodes.length - Math.PI/2;
d.x = rNodes * Math.cos(angle);
d.y = rNodes * Math.sin(angle);
});
var linkLayout = d3.linkHorizontal()
.source(function(d) { return d.source; })
.target(function(d) { return d.target; });
links.forEach(function(d) {
var x0 = d.source.x,
y0 = d.source.y,
x1 = d.target.x,
y1 = d.target.y;
var dx = x1 - x0,
dy = y1 - y0;
var dr = Math.sqrt(dx * dx + dy * dy) * (d.value / maxLinkWeight);
// to avoid NaN error
if(dr === Infinity) dr = 0;
d.x0 = x0;
d.y0 = y0;
d.x1 = x1;
d.y1 = y1;
d.dr = dr;
});
svg.append("g")
.attr("transform", "translate(" + width/2 + "," + height/2 + ")")
.selectAll("path")
.data(links)
.enter()
.append("path")
.attr("stroke-width", function(d) { return 2*(d.value/maxLinkWeight) + "px"; })
.attr("d", function(d) {
var k = gapAngle/d3.max(links, function(d) { return d.value; });
return path([
[d.x0 + rNodes * Math.cos(d.x0/startAngle), d.y0 + rNodes * Math.sin(d.y0/startAngle)],
[d.x1 + rNodes * Math.cos(d.x1/startAngle), d.y1 + rNodes * Math.sin(d.y1/startAngle)],
[d.x1 + (rNodes + d.dr) * Math.cos((d.x1 + (k/2)*d.value)/startAngle),
d.y1 + (rNodes + d.dr) * Math.sin((d.y1 + (k/2)*d.value)/startAngle)],
[d.x1 + rNodes * Math.cos((d.x1 + d.value*gapAngle)/startAngle), d.y1 + rNodes * Math.sin((d.y1 + d.value*gapAngle)/startAngle)],
[d.x1 + (rNodes + d.dr) * Math.cos((d.x1 + (1-(k/2))*d.value)/startAngle),
d.y1 + (rNodes + d.dr) * Math.sin((d.y1 + (1-(k/2))*d.value)/startAngle)],
[d.x1 + rNodes * Math.cos(d.x1/startAngle), d.y1 + rNodes * Math.sin(d.y1/startAngle)],
[d.x0 + rNodes * Math.cos(d.x0/startAngle), d.y0 + rNodes * Math.sin(d.y0/startAngle)]
]);
})
.attr("stroke", function(d) { return color(d.value); });
svg.append("g")
.selectAll("text")
.data(nodes)
.enter()
.append("text")
.text(function(d) { return d.name; })
.attr("x", function(d) { return d.x; })
.attr("y", function(d) { return d.y; })
.attr("font-size", "17px")
.attr("text-anchor", "middle");
四、citrus图片
Citrus（从图谱时序关系中的社区结构抽取）是一种新颖的数据可视化方法，主要应用于展示社交网络与可监督学习算法建立之间的关系。Citrus通常是一张图片，其内部包含多个图表，如热度图、圆形图、并列坐标轴图等，可以快速、准确地展示网络结构的有用信息。
下面是一个Citrus图片样例：
五、cimatron视图设置选取
Cimatron是一款计算机辅助设计与计算机辅助制造软件。在Cimatron中，视图是一种用来展示3D模型的窗口，Cimatron可以通过视图设置来更好地展示模型的各个部分。在一些情况下，Cimatron视图可以与Circular图结合起来，以便于更好地展示模型的结构。
下面是一个Cimatron视图设置选取的代码示例：
#导入Cimatron模型和视图设置包
import Cimatron.Model as cl
import Cimatron.View as cv
#打开Cimatron模型
m = cl.OpenModel("my_model.x_t")
#创建视图设置选项卡
vp = cv.PickViewport()
vp.CreateSettings()
#设置视角
vp.SetViewDirection(cv.cvdTop)
#设置视图显示选项
vp.ShowGrid()
#设置网格颜色
vp.SetGridColor((255, 255, 0))
#显示模型
vp.SetModel(m)
#保存视图设置选项卡
vp.SaveSettings("my_settings.xml")
原创文章，作者：QIPT，如若转载，请注明出处：https://www.506064.com/n/137958.html
微信扫一扫 
支付宝扫一扫 