50 सर्कल के साथ वेन आरेख का निर्माण कैसे करें? सेट्स का विज़ुअलाइज़ेशन और मेरे ओपन सोर्स पायथन प्रोजेक्ट का इतिहास

हाय सब, मेरा नाम Fedor Indukaev है, मैं Yandex.Routing में एक विश्लेषक के रूप में काम करता हूं। आज मैं आपको इंटरसेक्टिंग सेट की कल्पना करने और इसे हल करने के लिए बनाए गए ओपन सोर्स पायथन पैकेज के बारे में बताना चाहता हूं । इस प्रक्रिया में, हम सीखेंगे कि वेन और यूलर आरेख अलग-अलग कैसे होते हैं, ऑर्डर वितरण की सेवा से परिचित होते हैं और जैव सूचना विज्ञान के रूप में विज्ञान के ऐसे क्षेत्र पर स्पर्श करते हैं। हम सरल से अधिक जटिल की ओर बढ़ेंगे। जाओ!

इसके बारे में क्या है और इसकी आवश्यकता क्यों है?

लगभग हर कोई जो खोजपूर्ण डेटा विश्लेषण में लगा हुआ था, उसे कम से कम एक बार इस प्रकार के प्रश्नों के उत्तर की तलाश करनी थी:

• कई स्वतंत्र बाइनरी चर के साथ एक डाटासेट है। उनमें से कौन सा अक्सर एक साथ पाए जाते हैं?
• एक ही प्रकृति की वस्तुओं के साथ कई तालिकाओं हैं जिनके पास आईडी हैं। विभिन्न तालिकाओं से ID के सेट कैसे संबंधित हैं - या तो प्रत्येक तालिका की अपनी ID होती है, या सभी तालिकाओं में समान होती है, या सेट अलग-अलग होते हैं, लेकिन केवल थोड़े से?
• कई प्रजातियां हैं। किस जीव में जीन या प्रोटीन के समान सेट होते हैं?
• श्रेणियों को ओवरलैप करने पर पाई चार्ट की तरह कैसे प्लॉट करें? (सच है, यह हर किसी के लिए समस्या नहीं बन रहा है: नीचे दिए गए आंकड़े में प्रतिशत देखें।)

इन सभी सवालों को एक ही शब्दकरण के लिए कम किया जा सकता है। ऐसा लगता है: कुछ परिमित सेट दिए गए हैं, संभवतः एक दूसरे को प्रतिच्छेद करते हैं, और हमें उनकी सापेक्ष स्थिति का मूल्यांकन करने की आवश्यकता है - अर्थात यह समझने के लिए कि वे वास्तव में कैसे अंतर करते हैं।

हम इस समस्या को हल करने में मदद करने के लिए विज़ुअलाइज़ेशन और सॉफ्टवेयर टूल पर ध्यान केंद्रित करेंगे।

वेन डायग्राम

मुझे लगता है कि दो या तीन हलकों के साथ इस तरह के चित्र, हर किसी से परिचित हैं और स्पष्टीकरण की आवश्यकता नहीं है:



वेन आरेख की एक विशेषता यह है कि यह स्थिर है। इस पर आंकड़े बराबर हैं और सममित रूप से स्थित हैं। आंकड़ा सभी संभावित चौराहों को दिखाता है, भले ही उनमें से अधिकांश वास्तव में खाली हों। इस तरह के आरेख अमूर्त अवधारणाओं या सेटों को चित्रित करने के लिए उपयुक्त हैं जिनके सटीक आयाम अज्ञात या महत्वहीन हैं। यहाँ बुनियादी जानकारी अनुसूची में नहीं है, लेकिन हस्ताक्षर में निहित है।

इस तरह उनकी कल्पना एक अंग्रेजी गणितज्ञ और दार्शनिक जॉन वेन ने की थी। 1880 के उनके लेख मेंउन्होंने तार्किक प्रस्तावों को रेखांकन प्रदर्शित करने के लिए आरेखों का प्रस्ताव दिया। उदाहरण के लिए, "कोई भी X या तो Y या Z" कथन सही पर चित्र देता है (मूल लेख से लिया गया चित्रण)। वह क्षेत्र जो कथन को संतुष्ट नहीं करता है, उसे काले रंग से छायांकित किया जाता है: वे X जो न तो Y हैं और न ही Z। लेख का मुख्य संदेश यह है कि आकृतियों के आकार और व्यवस्था को अलग किए बिना स्थैतिक चित्र गतिशील यूलर डायग्राम की तुलना में तर्क के प्रयोजनों के लिए बेहतर अनुकूल हैं, जिनकी चर्चा की गई है नीचे जाएंगे।

यह स्पष्ट है कि डेटा के विश्लेषण में, वेन आरेख का दायरा सीमित है। वे केवल गुणात्मक जानकारी देते हैं, लेकिन मात्रात्मक नहीं होते हैं और या तो आकार या चौराहों के खालीपन को प्रतिबिंबित नहीं करते हैं। यदि यह आपको नहीं रोकता है, तो आपके पास अपने निपटान में वेन पैकेज है , जो इस तरह के आरेख बनाता है$$ सेट। प्रत्येक के लिए$N = 2, 3, 4, 5, 6$$$ एक या दो विशिष्ट चित्र हैं, और केवल हस्ताक्षर अलग-अलग होंगे:$N$



यदि हम कुछ और गतिशील रूप से डेटा पर निर्भर करना चाहते हैं, तो आपको दूसरे दृष्टिकोण पर ध्यान देना चाहिए: यूलर आरेख।

यूलर चार्ट

वेन आरेखों के विपरीत, सेट या अवधारणाओं के संबंधों को दिखाने के लिए यहां विमान पर आकृतियों की स्थिति और स्थिति को चुना जाता है। यदि कुछ चौराहा खाली है, तो आंकड़े भी जब भी संभव हो, ओवरलैप नहीं करते हैं, जैसा कि पौधों और जानवरों के बारे में है।

कृपया ध्यान दें कि व्याख्यान में प्रश्न के बारे में ड्राइंग अन्य दो से अलग है। यह न केवल आंकड़े की स्थिति, बल्कि चौराहों के आकार के लिए भी महत्वपूर्ण है - सभी हास्य उनमें संलग्न हैं।

इस विचार का उपयोग हमारे कार्य के लिए किया जा सकता है। दो या तीन सेट लें और इन सेटों के आकार के अनुपात में क्षेत्रों के साथ हलकों को ड्रा करें। और फिर हम विमान पर हलकों को व्यवस्थित करने का प्रयास करेंगे ताकि ओवरलैप क्षेत्र चौराहों के आकार के समानुपाती हों।

यह वही है जो पैकेज करता है (इसके नाम के बावजूद)matplotlib-venn :



सटीक अनुपात के साथ दो सेट खींचना आसान है। लेकिन पहले से ही तीन पर, विधि विफल हो सकती है। उदाहरण के लिए, तीन सेटों में से एक बिल्कुल अन्य दो का प्रतिच्छेदन होना चाहिए:



तस्वीर अच्छी नहीं लगती है, एक अजीब क्षेत्र नंबर 0 के साथ दिखाई दिया। लेकिन इसमें आश्चर्यचकित होने की कोई बात नहीं है, क्योंकि दो सर्कल के चौराहे को एक सर्कल के रूप में प्रस्तुत नहीं किया जा सकता है।

और यहाँ एक और भी निराशाजनक उदाहरण है: दो सेट और उनका सममित अंतर (यूनियन माइनस चौराहा):



यह कुछ पूरी तरह से अजीब निकला: ध्यान दें कि कितने शून्य हैं!

पहला उदाहरण अभी भी बचाया जा सकता है यदि हम हलकों के बजाय आयत लेते हैं (आयतों का प्रतिच्छेदन भी एक आयत है), जबकि दूसरे में कम से कम गैर-उत्तल आकृतियों की आवश्यकता होती है। खैर, तीन से अधिक सेट, यह पैकेज सिद्धांत रूप में समर्थन नहीं करता है।

मैं पायथन के लिए अन्य सार्वजनिक उपकरणों के बारे में नहीं जानता, जो यूलर-वेन दृष्टिकोण विकसित करते हैं, और मेरे स्वयं के प्रयोगों का इतिहास आगे बढ़ेगा। लेकिन जारी रखने से पहले, मैं यह समझाने के लिए एक छोटा विषयांतर करूँगा कि मैंने सेटों को देखने का काम क्यों लिया।

इष्टतम मार्गों के निर्माण के लिए एपीआई के बारे में कुछ शब्द

जैसा कि मैंने कहा, हमारा विभाग Yandex.rout करता है। हमारी सेवाओं में से एक ऑनलाइन स्टोर, वितरण सेवाओं और किसी भी कंपनी को मदद मिलती है, जिसके व्यवसाय में परिवहन के लिए इष्टतम मार्ग बनाने के लिए रसद शामिल है।

API अनुरोध भेजकर ग्राहक सेवा में सहभागिता करते हैं। प्रत्येक अनुरोध में निर्देशांक, वितरण अंतराल आदि के साथ आदेशों (डिलीवरी पॉइंट्स) की एक सूची होती है, साथ ही मशीनों की एक सूची होती है जिन्हें ऑर्डर देने की आवश्यकता होती है। हमारा एल्गोरिथ्म यह सभी डेटा पचाता है और ट्रैफ़िक जाम, कार की क्षमता और बहुत कुछ को ध्यान में रखते हुए इष्टतम मार्गों का निर्माण करता है।

हमारे पास लोकप्रिय यैंडेक्स बी 2 सी सेवाओं की तरह सैकड़ों, लाखों ग्राहक नहीं हैं। इसलिए, प्रत्येक ग्राहक की खुशी हमारे लिए विशेष रूप से महत्वपूर्ण है, इसके अलावा, उसे अपने कार्यों में अधिक ध्यान और गोता लगाने के लिए संभव है। इसके लिए, विशेष रूप से, आपके पास यह समझने में मदद करने के लिए उपकरण होना उपयोगी है कि ग्राहक हमें क्या अनुरोध भेज रहा है।

मैं एक उदाहरण दूंगा। मान लीजिए, एक दिन में, रोमाशका से 24 अनुरोध प्राप्त हुए। इसका मतलब यह हो सकता है कि:

• वे देश भर में काम करते हैं और 24 गोदामों के लिए 24 रूट सेट बनाए हैं।
• केवल एक गोदाम है, लेकिन ग्राहक लगातार नए ऑर्डर प्राप्त कर रहा है। उन्हें ध्यान में रखने के लिए, आपको हर घंटे मार्गों को अपडेट करना होगा।
• क्लाइंट से अनुरोध एक त्रुटि के साथ बनते हैं जिसके कारण वह एक पंक्ति में 24 बार एक ही कार्य का अच्छा समाधान प्राप्त करने में असमर्थ था।

एक प्राथमिकता यह पूरी तरह से स्पष्ट नहीं है कि वास्तव में क्या हुआ। लेकिन अगर हम जल्दी से ऑर्डर आईडी के 24 सेट की तुलना कर सकते हैं, तो स्थिति तुरंत स्पष्ट हो जाएगी। यदि वे बिल्कुल भी अंतर नहीं करते हैं - तो यह पहला मामला है (24 गोदामों)। यदि सेट एक से दूसरे तक आते हैं, तो दूसरा (मार्गों का निर्धारित अद्यतन)। खैर, 24 लगभग समान सेट एक संभावित संकेत है जो क्लाइंट को मदद की आवश्यकता है।

कार्य को सरल बनाएं: हलकों से धारियों तक

कुछ समय के लिए मैंने मेटप्लोटलिब-वेन पैकेज का उपयोग किया, लेकिन "ढाई" सेट का प्रतिबंध, निश्चित रूप से निराशाजनक था। समस्या के विभिन्न दृष्टिकोणों पर विचार करते हुए, मैंने हलकों से और आम तौर पर दो-आयामी प्राथमिकताओं से एक-आयामी - क्षैतिज छोरों पर जाने का प्रयास करने का निर्णय लिया। अंतःक्रियाओं को इस तरह लंबवत दर्शाया जा सकता है:



रैखिक आयामों को वर्गों की तुलना में आंख से बेहतर माना जाता है, निर्माण के लिए जटिल त्रिकोणमिति की आवश्यकता नहीं होती है, और वाई अक्ष के साथ सेट की रिक्ति ग्राफ को कम अतिभारित करती है। इसके अलावा, हमारा पहला असफल उदाहरण (दो सेट और तीसरे के रूप में उनका प्रतिच्छेदन) अपने आप में सुधार करता है:



सममित अंतर के साथ समस्या अभी भी यहां है। लेकिन हम इसके साथ अलेक्जेंडर द ग्रेट के रूप में गॉर्डियन गाँठ से निपटेंगे: आइए, यदि आवश्यक हो, एक सेट को दो भागों में काटें:



लाल सेट को एक के बजाय दो धारियों में चित्रित किया गया है, लेकिन इसमें कुछ भी गलत नहीं है। दोनों एक ही ऊंचाई पर हैं और एक ही रंग हैं, ताकि उनकी एकता नेत्रहीन अच्छी तरह से पढ़ सकें।

यह सत्यापित करना आसान है कि इस तरह से, अनुपात के सटीक अवलोकन के साथ, किसी भी तीन सेटों को चित्रित किया जा सकता है। इस प्रकार, के लिए समस्या$$2 या 3 के बराबर एन को हल माना जा सकता है। इस दृष्टिकोण का एक और प्लस यह है कि किसी भी सेट पर लागू करना आसान है, जिसे हम बहुत जल्द करेंगे। सभी की जरूरत है कि एक को हल करने के लिए नहीं है, लेकिन लाइन की एक मनमानी संख्या है। लेकिन पहले, थोड़ा सरल कॉम्बिनेटरिक्स।$N$

थोड़ा सा अंकगणित

आइए तीन सर्कल के साथ वेन आरेख देखें और गणना करें कि कितने क्षेत्र एक दूसरे को विभाजित करते हैं:



प्रत्येक क्षेत्र इस बात से निर्धारित होता है कि यह तीनों मंडलियों में से प्रत्येक के अंदर या बाहर स्थित है, लेकिन बाहरी क्षेत्र बहुत कम है। कुल हमें मिलता है$$ । तीन सर्कल के अन्य स्थान 1 तक कम क्षेत्र दे सकते हैं, जब सभी सर्कल मेल खाते हैं। इस तर्क को हलकों से सेट करने के लिए स्थानांतरित करते हुए, हम इसे किसी भी$2^3-1=7$

$$सेट एक-दूसरे से अधिक नहीं तोड़ते हैं$N$$$ ऐसे प्राथमिक भागों में से 1 । यह महत्वपूर्ण है कि इनमें से प्रत्येक भाग पूरी तरह से शामिल है या इनमें से किसी भी सेट में पूर्ण रूप से शामिल नहीं है। हमारे नए आरेखों में, कॉलम ऐसे प्रारंभिक भाग हैं।$2^N-1$

अधिक सेट!

इसलिए, हम इन योजनाओं को मामले में सामान्य बनाना चाहते हैं $$:$N > 3$



के लिये $$सेट हमें एक ग्रिड के साथ मिलता है$N$$$ लाइनों और$N$$$ कॉलम, के रूप में हम सिर्फ गणना की। यह प्रत्येक रेखा से गुजरने और इस सेट में शामिल प्राथमिक भागों के अनुरूप कोशिकाओं को भरने के लिए बनी हुई है। उदाहरण के लिए, पांच-सेट मॉडल उदाहरण लें:$M ≤ 2^N − 1$

programming_languages = {'python', 'r', 'c', 'c++', 'java', 'julia'}
geographic_places = {'java', 'buffalo', 'turkey', 'moscow'}
letters = {'a', 'r', 'c', 'i', 'z'}
human_names = {'robin', 'julia', 'alice', 'bob', 'conrad'}
animals = {'python', 'buffalo', 'turkey', 'cat', 'dog', 'robin'}

जैसा कि ऊपर वर्णित है, हम निम्नलिखित आंकड़ा प्राप्त करते हैं:



यह खराब तरीके से पढ़ता है: लाइनों में बहुत अधिक अंतराल हैं, सभी सेट को गोभी में काट दिया जाता है। लेकिन चूंकि हम ब्रेक की तरह नहीं हैं, इसलिए सीधे उन्हें कम से कम करने का काम क्यों नहीं किया जाता? सब के बाद, स्तंभों का क्रम महत्वहीन है, कुछ भी हमें उन्हें फिर से व्यवस्थित करने से रोकता नहीं है जैसा हम चाहते हैं। हम इस समस्या पर आते हैं: किसी दिए गए मैट्रिक्स के ज़ीरो के कॉलम का एक क्रमांकन खोजें और पंक्तियों में इकाइयों के बीच न्यूनतम अंतराल पर।

जैसा कि मुझे बाद में बताया गया, यह व्यावहारिक रूप से हेमिंग मेट्रिक में एक ट्रैवलिंग सेल्समैन का कार्य है , यह एनपी-पूर्ण है । यदि कुछ स्तंभ हैं (कहते हैं, 12 से अधिक नहीं), तो आप संपूर्ण खोज द्वारा आवश्यक क्रमचय प्राप्त कर सकते हैं, अन्यथा आपको कुछ विशिष्ट आंकड़ों का सहारा लेने की आवश्यकता है।

हम एक सरल लालची एल्गोरिथ्म लागू करते हैं। आइए हम दो स्तंभों की समानता को उन पदों की संख्या कहते हैं, जिन पर इन स्तंभों का मान मेल खाता है। दो सबसे समान कॉलम लें, उन्हें एक साथ रखें। इसके बाद, हम उत्सुकता से इस जोड़ी के दोनों ओर के अनुक्रम का निर्माण करेंगे। शेष स्तंभों में, हम एक को ढूंढते हैं जो दो में से एक के सबसे करीब से मिलता है, इसे संलग्न करें - और बाकी स्तंभों के साथ।

एल्गोरिथ्म को लागू करने से पहले और उसके बाद के आंकड़े इस प्रकार हैं:



यह बहुत बेहतर हो गया है। यह इस स्तर पर था कि मुझे लगा कि कुछ उपयोगी निकल रहा है। प्रयोग करने के बाद, मैंने देखा कि एल्गोरिथ्म स्थानीय मिनीमा पर चिपक जाता है। एक सरल यादृच्छिककरण के साथ इस कुएं का इलाज करना संभव था: हम स्तंभों की समानता को थोड़ा शोर करते हैं, एल्गोरिथ्म चलाते हैं, 1000 बार दोहराते हैं, 1000 समाधानों में से सर्वश्रेष्ठ का चयन करते हैं।

परिणाम पहले से ही एक काम करने वाला उपकरण है, लेकिन आप इसमें कुछ और उपयोगी जानकारी जोड़ सकते हैं। मैंने दो अतिरिक्त ग्राफ़ बनाए: मूल सेटों के आकार दाईं ओर दिखाए गए हैं, और प्रत्येक चौराहे के लिए शीर्ष एक दिखाता है कि हमारे कितने सेट इसमें हैं। वास्तव में, यह पंक्तियों में (दाईं ओर) और स्तंभों में (शीर्ष पर) बाइनरी मैट्रिक्स के योग से अधिक कुछ नहीं है:



मैंने खुद को (यानी, पंक्तियों) सेट के विकल्प को कॉलम के समान सिद्धांत के अनुसार जोड़ा: टूटने की संख्या को कम करने के साथ। परिणामस्वरूप, समान सेटों को समूहीकृत किया जाता है:

काम में आवेदन

स्वाभाविक रूप से, सबसे पहले, मैंने उस कार्य के लिए नए टूल का उपयोग करना शुरू किया, जिसके लिए इसे बनाया गया था: हमारे एपीआई के लिए ग्राहकों के अनुरोधों की जांच करने के लिए। परिणामों ने मुझे प्रसन्न किया। इसलिए, उदाहरण के लिए, ग्राहकों में से एक का कार्य दिवस कैसा दिखता था। प्रत्येक पंक्ति एपीआई (इसमें शामिल आदेशों की कई आईडी) के लिए एक अनुरोध है, और बीच में हस्ताक्षर भेजने का समय है:



पूरा दिन पूरे दृश्य में। 10:49 पर 23 सेकंड के अंतराल के साथ एक ग्राहक लॉजिस्टिक ने 129 आदेशों के साथ दो समान अनुरोध भेजे। 11:25 से 15:53 ​​तक 152 आदेशों के एक अलग सेट के साथ तीन अनुरोध थे। 16:43 पर 114 आदेशों के साथ एक तीसरा अनूठा अनुरोध आया। इस अनुरोध को हल करने के लिए, तर्कशास्त्री ने चार मैन्युअल संपादन लागू किए (यह हमारे यूआई के माध्यम से किया जा सकता है)।

और यह वही है जो एक आदर्श दिन दिखता है: सभी स्वतंत्र कार्यों को एक बार हल किया गया था, मापदंडों का कोई सुधार या चयन आवश्यक नहीं था:



और यहां एक ग्राहक से एक उदाहरण है जो वास्तविक समय में प्राप्त आदेशों को ध्यान में रखने के लिए हर 15-30 मिनट अनुरोध भेज रहा है:



यहां तक ​​कि 50 सेट पर, एल्गोरिथ्म ने स्पष्ट रूप से डेटा में छिपी संरचना का खुलासा किया। आप देख सकते हैं कि पुराने आदेश कैसे अनुरोधों से हटा दिए गए थे और नए लोगों के साथ बदल दिए गए थे, क्योंकि वे निष्पादित किए गए थे।

एक शब्द में, मैं पूरी तरह से बनाए गए टूल के साथ अपनी काम की जरूरत को बंद करने में कामयाब रहा।

पैमाने के लिए केला (वास्तव में नहीं)

जब मैं मौजूदा दृष्टिकोणों का अध्ययन कर रहा था, तो मुझे कई बार जर्नल नेचर से एक ड्राइंग मिली , जिसमें केले के जीनोम और पांच अन्य पौधों की तुलना की गई है:



ध्यान दें कि क्षेत्रों का आकार 13 और 149 तत्वों (तीरों द्वारा इंगित) से कैसे संबंधित है: दूसरा कई गुना छोटा है। इसलिए किसी भी आनुपातिकता का सवाल नहीं है।

बेशक, मैं इस तरह के डेटा पर अपना हाथ आजमाना चाहता था, लेकिन नतीजा यह नहीं हुआ:



ग्राफ गड़बड़ दिखता है। कारण यह है कि, सबसे पहले, लगभग सभी चौराहों (63 में से 62 संभव) गैर-रिक्त हैं, और दूसरी बात, उनके आकार परिमाण के तीन आदेशों से भिन्न होते हैं। परिणामस्वरूप, संख्यात्मक एनोटेशन बहुत भीड़ हो जाते हैं।

इस तरह के डेटा के लिए अपने टूल को सुविधाजनक बनाने के लिए, मैंने कई पैरामीटर जोड़े। एक आपको कॉलम की चौड़ाई को आंशिक रूप से संरेखित करने की अनुमति देता है, दूसरा एनोटेशन को छुपाता है यदि कॉलम की चौड़ाई एक निर्दिष्ट मान से कम है।



यह विकल्प काफी अच्छी तरह से पढ़ा जाता है, लेकिन इसके लिए मुझे आकार की सटीक आनुपातिकता का त्याग करना पड़ा।

जैसा कि यह निकला, जैव सूचना विज्ञान के क्षेत्र पर ध्यान देना, मैं सही था। मैंने अपने टूल के बारे में r / विज़ुअलाइज़ेशन , r / datascience और r / bioinformatics में Reddit को एक पोस्ट भेजा , यह बाद में था कि इसे सबसे अच्छा प्राप्त हुआ, समीक्षा वास्तव में उत्साही थीं।

उत्पाद रूपांतरण

अंत में, मुझे एहसास हुआ कि यह एक अच्छा उपकरण है जो कई लोगों के लिए उपयोगी हो सकता है। इसलिए, विचार का जन्म एक पूर्ण खुले स्रोत पैकेज में बदलने के लिए हुआ था। बेशक, नेताओं की सहमति आवश्यक थी, लेकिन लोगों ने न केवल दिमाग लगाया, बल्कि मेरा समर्थन भी किया, जिसके लिए उन्हें बहुत धन्यवाद।

मुख्य रूप से सप्ताहांत पर काम करना, मैंने धीरे-धीरे कोड को बाजार में लाना शुरू कर दिया, परीक्षण लिखने और पायथन में पैकेज सिस्टम से निपटने के लिए। यह इस तरह का मेरा पहला प्रोजेक्ट है, इसलिए इसमें कई महीने लग गए।

एक अच्छे नाम के साथ आना भी एक मुश्किल काम था, और मैंने इसे खराब तरीके से सामना किया। चयनित नाम (सुपर वेन)) सफल नहीं कहा जा सकता है, क्योंकि वेन आरेखों का पूरा नमक उनके स्थिर स्वभाव में है, लेकिन, इसके विपरीत, मैंने वास्तविक आयामों को सही ढंग से दिखाने की कोशिश की। लेकिन जब मुझे यह एहसास हुआ, तो परियोजना पहले ही प्रकाशित हो चुकी थी और नाम बदलने में बहुत देर हो चुकी थी।

एनालॉग

बेशक, मैं सेट के विज़ुअलाइज़ेशन के लिए इस दृष्टिकोण का उपयोग करने वाला पहला नहीं था: विचार, सामान्य रूप से, सतह पर निहित है। ओपन एक्सेस में दो समान वेब एप्लिकेशन हैं: रेनबियो और लिनियर डायग्राम जेनरेटर , दूसरा बिल्कुल उसी सिद्धांत का उपयोग करता है जो मेरा है। (लेखकों ने एक 40-पृष्ठ लेख भी लिखा , जो प्रयोगात्मक रूप से तुलना करता है कि क्या बेहतर माना जाता है - क्षैतिज या ऊर्ध्वाधर रेखाएं, पतली या मोटी, आदि। यहां तक ​​कि मुझे यह भी लगता था कि लेख उनके लिए प्राथमिक था, और उपकरण केवल इसके लिए एक अतिरिक्त था। ।)

मेरे पैकेज के साथ इन दो अनुप्रयोगों की तुलना करने के लिए, हम फिर से शब्दों के साथ उदाहरण का उपयोग करते हैं। आप अपने लिए तय कर सकते हैं कि कौन सा विकल्प अधिक पठनीय और जानकारीपूर्ण है।

Rainbio


रैखिक आरेख जनरेटर


supervenn

अन्य दृष्टिकोण

कोई भी अपसेट प्रोजेक्ट का उल्लेख नहीं कर सकता है , जो एक वेब अनुप्रयोग और आर और पायथन के पैकेज के रूप में मौजूद है। केले के जीनोम डेटा के प्रदर्शन को देखकर मूल सिद्धांत को समझा जा सकता है। ग्राफ़ को दाईं ओर क्रॉप किया गया है, 62 में से केवल 30 चौराहों को दिखाया गया है:



दिलचस्प है, यदि आप चौड़ाई के आधार पर स्तंभों को क्रमबद्ध करने के लिए पर्यवेक्षण का उपयोग करते हैं और चौड़ाई संरेखण विकल्प का उपयोग करके कॉलम समान बनाते हैं, तो आपको लगभग एक ही चीज़ मिलेगी, हालांकि यह तुरंत ध्यान देने योग्य नहीं है। वह सब गायब है जो चौराहे के आकार के साथ खड़ी रेखाएं हैं, उनके बजाय ग्राफ के नीचे केवल संख्याएं हैं:



इस पाठ को लिखते समय, मैंने उपसेट के पायथन संस्करण का उपयोग करने की कोशिश की, लेकिन पाया कि पैकेज 2016 से अपडेट नहीं किया गया है, प्रलेखन किसी भी तरह से इनपुट प्रारूप का वर्णन नहीं करता है, और परीक्षण का मामला एक त्रुटि के साथ क्रैश होता है। वेब संस्करण काम कर रहा है, इसमें कई उपयोगी सहायक कार्य हैं, लेकिन डेटा दर्ज करने के जटिल तरीके के कारण इसके साथ काम करना काफी कठिन है।

अंत में, सेट विज़ुअलाइज़ेशन तकनीकों का एक दिलचस्प अवलोकन ऑनलाइन उपलब्ध है । उन सभी को सॉफ्टवेयर टूल के रूप में लागू नहीं किया गया है। आपका ध्यान आकर्षित करने के लिए यहां कुछ चित्र दिए गए हैं:




मुझे विशेष रूप से बबल सेट विधि (नीचे पंक्ति) में दिलचस्पी थी , जो आपको एक विमान पर तत्वों की दी गई व्यवस्था के शीर्ष पर छोटे सेट प्रदर्शित करने की अनुमति देता है। यह सुविधाजनक हो सकता है, उदाहरण के लिए, जब तत्व समय अक्ष (ए) या मानचित्र (बी) से जुड़े होते हैं। अब तक, यह विधि केवल जावा और जावास्क्रिप्ट में लागू की गई है (लिंक लेखक पृष्ठ पर हैं), और यह बहुत अच्छा होगा अगर कोई इसे पायथन में पोर्ट करने के लिए ले जाए।

मैंने अपसेट और समीक्षा के लेखकों को परियोजना के एक संक्षिप्त विवरण के साथ पत्र भेजे और अच्छी समीक्षा प्राप्त की। उनमें से दो ने भी सेट के विज़ुअलाइज़ेशन पर अपने व्याख्यान में पर्यवेक्षक को शामिल करने का वादा किया था।

निष्कर्ष

यदि आप पैकेज का उपयोग करना चाहते हैं, तो यह GitHub पर और PyPI में उपलब्ध है: पिप इंस्टॉल इंस्पेक्टर । मैं विचारों और आलोचनाओं के लिए कोड के उपयोग और पैकेज के बारे में किसी भी टिप्पणी के लिए आभारी रहूंगा। मैं विशेष रूप से बड़े के लिए कॉलम क्रमांकन एल्गोरिथ्म में सुधार करने के बारे में सिफारिशों को पढ़कर प्रसन्न होऊंगा$$ , और चार्टिंग फ़ंक्शन के लिए परीक्षण लिखने के तरीके के बारे में सुझाव। ध्यान देने के लिए आपको धन्यवाद!$N$

संदर्भ

1. जॉन वेन। प्रस्ताव और तर्क के आरेख और यांत्रिक प्रतिनिधित्व पर । लंदन, एडिनबर्ग और डबलिन दार्शनिक पत्रिका, जुलाई 1880.

2. जे.बी. लैमी और आर। रेनबियो: जीव विज्ञान में बड़े सेट का आनुपातिक दृश्य । विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE ट्रांज़ेक्शन, doi: 10.1109 / TVCG.2019.2921544।

3. पीटर रॉजर्स, जेम स्टैपलटन और पीटर चैपमैन। रैखिक आरेखों के साथ विज़ुअलाइज़िंग सेट । कंप्यूटर मानव इंटरैक्शन 22 (6) पीपी पर एसीएम लेनदेन। 27: 1-27: 39 सितंबर 2015। doi: 10.1145 / 2810012।

4. अलेक्जेंडर लेक्स, नेल्स गेलेनबर्ग, हेंड्रिक स्ट्रोबेल्ट, रोमैन वुइलमोट,
हंसपेटर पिफिस्टर अपसेट: इंटेरसेक्टिंग सेट्स का विज़ुअलाइज़ेशन। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स (InfoVis'14), 2014 पर आईईईई लेनदेन

5. बिलाल Alsallakh, लुआना Micallef, वोल्फगैंग Aigner, Helwig हौसेर, सिल्विया Miksch और पीटर रोजर्स। सेट विज़ुअलाइज़ेशन की अत्याधुनिक कला । कंप्यूटर ग्राफिक्स फोरम। वॉल्यूम 00 (2015), नंबर 0 पीपी। 1-27 10.1111 / cgf.12722।

6. क्रिस्टोफर कॉलिन्स, जेराल्ड पेन और शेलग कारपेंडेल। बबल सेट्स: मौजूदा विज़ुअलाइज़ेशन पर आइसोकोर्ट्स के साथ रिलेशन सेट्स का खुलासा करना । IEEE ट्रांस। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर (आईईईई कॉन्फिडेंस ऑफ़ इन्फ़ॉर्मेशन विज़ुअलाइज़ेशन के प्रोक।), वॉल्यूम। 15, आई.एस. 6, पीपी। 1009 1001016, 2009।