一、circular圖
Circular圖也叫環狀圖，是展示關係網路或是多元數據的圖表，它可以將很多信息以可視化的方式展現。Circular圖是由Martin Krzywinski所設計，廣泛應用於生物信息學，地理信息系統，統計學等領域。
在Circular圖中，各個數據點位於環形圖的一定位置，根據需求可以連線或是用弧度（或扇形）代表這些數據點之間的關係。Circular圖主要有兩個優點：1、展示範圍廣，可視化效果好。2、節省可視化空間，方便人眼觀察。
下面是一個Circular圖的代碼示例：
#導入示例數據 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 #設置Circular圖的外觀和屬性 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圖 circos -conf circle.conf -outputfile circle.png
二、circomstance區別
circumstance是一種與Circular圖有著相同設計理念的數據可視化軟體。它雖然也展示關係網和多元數據，但是其主要應用是在社交網路等領域。Circumstance與Circular圖有以下區別：
1、在Circumstance中，展現的點是以直線的形式展現的。與Circular圖不同，Circumstance把幾個參數中的一個以一定的規則呈放在一條直線上，來展示它們的關係。
2、Circumstance中一些設計很豐富，包括漸變色、不透明度、濾鏡等等，這些在Circular圖中要更為麻煩。
下面是一個Circumstance的代碼示例：
#導入示例數據
"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"
#設置Circumstance圖的樣式和屬性
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圖
circumstance -f data.csv -o output.svg
三、circuit圖
Circuit圖是由D3.js提供的技術，同樣是一種數據可視化圖表。它主要展示的是一組數據之間的關係和流動情況，尤其適用於展示電路板等情形。
Circuit圖和Circular圖、Circumstance一樣，也可以通過連線和區域來展示關係網。但是，Circuit圖的連線和路徑是沿著一個方向而不是在平面空間展開。Circuit圖的特點是圖表簡潔、清晰易懂。
下面是一個Circuit圖的代碼示例：
#導入D3.js庫和展示數據
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圖片
Citrus（從圖譜時序關係中的社區結構抽取）是一種新穎的數據可視化方法，主要應用於展示社交網路與可監督學習演算法建立之間的關係。Citrus通常是一張圖片，其內部包含多個圖表，如熱度圖、圓形圖、並列坐標軸圖等，可以快速、準確地展示網路結構的有用信息。
下面是一個Citrus圖片樣例：
五、cimatron視圖設置選取
Cimatron是一款計算機輔助設計與計算機輔助製造軟體。在Cimatron中，視圖是一種用來展示3D模型的窗口，Cimatron可以通過視圖設置來更好地展示模型的各個部分。在一些情況下，Cimatron視圖可以與Circular圖結合起來，以便於更好地展示模型的結構。
下面是一個Cimatron視圖設置選取的代碼示例：
#導入Cimatron模型和視圖設置包
import Cimatron.Model as cl
import Cimatron.View as cv
#打開Cimatron模型
m = cl.OpenModel("my_model.x_t")
#創建視圖設置選項卡
vp = cv.PickViewport()
vp.CreateSettings()
#設置視角
vp.SetViewDirection(cv.cvdTop)
#設置視圖顯示選項
vp.ShowGrid()
#設置網格顏色
vp.SetGridColor((255, 255, 0))
#顯示模型
vp.SetModel(m)
#保存視圖設置選項卡
vp.SaveSettings("my_settings.xml")
原創文章，作者：QIPT，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/137958.html
微信掃一掃 
支付寶掃一掃 