如果您有更丰富的数据（即超过 10 行），您将需要一个不满意的图。Upset plots 是一种像维恩图一样以直观的方式查看信息的方法，但对于 4 个以上的类别更有用。

一些参考资料可能会给您一些 R 中的想法和实现：

• https://cran.r-project.org/web/packages/UpSetR/vignettes/basic.usage.html（附在r-project.org的图片）。
• https://www.littlemissdata.com/blog/set-analysis

由于组合是已知的，我们可以使用一些二进制数的知识并用它来找到频率图

基本上 - 将二进制字符串转换为整数并根据整数值获得频率图

import numpy as np
import pandas as pd
from itertools import product
import matplotlib.pyplot as plt

# test data, 1 of every 32 combinations
combs = np.array(map(list, product([0, 1], repeat=5)))
# store in dataframe
df = pd.DataFrame(data={'a': combs[:, 0], 'b': combs[:, 1], 'c': combs[:, 2], 'd': combs[:, 3], 'e': combs[:, 4]})
# concatenate the binary sequences to strings
df['concatenate'] = df[list('abcde')].astype(str).apply(''.join, axis=1)

# to convert binary strings to integers
def int2(x):
    return int(x, 2)

# every combination has a unique value
df['unique_values'] = df['concatenate'].apply(int2)

# prepare labels for the frequency plot
variables = list('abcde')
labels = []
for combination in df.concatenate:
    tmp = ''.join([variables[i] for i, x in enumerate(combination) if x != '0'])
    labels.append(tmp)

fig, ax = plt.subplots()
counts, bins, patches = ax.hist(df.unique_values, bins=32, rwidth=0.8)

# turn of the
plt.tick_params(
    axis='x',          # changes apply to the x-axis
    which='both',      # both major and minor ticks are affected
    top=False,         # ticks along the top edge are off
    labelbottom=False)

# calculate the bin centers
bin_centers = 0.5 * np.diff(bins) + bins[:-1]
ax.set_xticks(bin_centers)
for label, x in zip(labels, bin_centers):
    # replace integer mapping with the labels
    ax.annotate(str(label), xy=(x, 0), xycoords=('data', 'axes fraction'),
        xytext=(0, -5), textcoords='offset points', va='top', ha='center', rotation='30')

plt.show()

使用Wolfram 语言，您可以使用AbsoluteCorrelation .

和

t = {
     {1, 0, 0, 1, 0}, {0, 1, 0, 1, 1}, 
     {0, 1, 1, 0, 0}, {0, 0, 0, 1, 0}, 
     {1, 1, 1, 0, 0}, {0, 1, 1, 0, 1}, 
     {1, 0, 1, 0, 0}, {1, 0, 0, 1, 1}, 
     {0, 1, 0, 1, 1}, {0, 0, 1, 1, 0}
    }

然后

MatrixForm[ac = AbsoluteCorrelation[t]] 

其中对角线是边缘列频率，非对角线是联合频率。也就是说，ac[[1,1]]变量a以 0.4 的频率出现，而ac[[1,2]]（第 1 行，第 2 列）变量与频率为 0.1的变量a共同出现b

这可以使用MatrixPlot或ArrayPlot进行可视化。

MatrixPlot[
 ac 
 , FrameTicks -> {Transpose@{Range@5, CharacterRange["a", "e"]}}
 , PlotLegends -> Automatic]

希望这可以帮助。