Circos图的详细介绍

发布时间：2023-05-18

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
<circle>
color=red
fill=yes
  </circle>
<links>
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
<categorical>
  x=Affiliation
  y=Party Size
  line_thickness=8
  color_scheme=spectral
  theme=arrows
  direction=counter_clockwise
   <labels>
    font_size=18
    font_color=black
    font_family=sans_serif
    echo=true
    placement=inside
    orientation=radial
    rotation=-60
   </labels>
  </categorical>
#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
  <meta charset="utf-8">
<script src="https://d3js.org/d3.v5.min.js"></script>
  <svg width="600" height="600"></svg>
    <script>
        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");
    </script>

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")
推荐文章