### 使用 Matplotlib 绘制两个圆的并集 为了实现两个圆的并集部分可视化，可以通过 `matplotlib` 库中的 `PathPatch` 和 `Path` 来完成。具体来说，先定义两个圆形路径，再通过布尔运算求得这两个路径的并集，最后将其绘制出来。 下面展示了一个具体的例子： ```python import matplotlib.pyplot as plt from matplotlib.path import Path from matplotlib.patches import PathPatch import numpy as np def draw_circle(center, radius): """返回给定中心和半径的圆周上的点""" angle = np.linspace(0, 2 * np.pi, 100) x = center[0] + radius * np.cos(angle) y = center[1] + radius * np.sin(angle) return list(zip(x, y)) fig, ax = plt.subplots() circle1_path = Path(draw_circle((0.3, 0.5), 0.2)) circle2_path = Path(draw_circle((0.7, 0.5), 0.2)) # 创建一个组合路径对象来表示两者的联合 union_codes = circle1_path.codes.tolist()[:-1] + \ [Path.MOVETO] + circle2_path.codes.tolist()[1:] union_verts = circle1_path.vertices.tolist()[:-1] + \ circle2_path.vertices.tolist()[1:] combined_path = Path(union_verts, union_codes) patch = PathPatch(combined_path, facecolor='orange', lw=2, alpha=0.5) ax.add_patch(patch) # 设置显示范围以便更好地查看图形 ax.set_xlim(-0.1, 1.1) ax.set_ylim(-0.1, 1.1) plt.gca().set_aspect('equal', adjustable='box') plt.show() ``` 上述代码片段展示了如何使用 `matplotlib` 的高级特性来构建复杂的形状[^1]。需要注意的是，在实际应用中可能还需要调整路径编码以及顶点列表以确保正确地形成闭合区域，并且对于更复杂的情况应该考虑采用专门的几何计算库来进行精确操作。 #### 注意事项 - 上述方法适用于简单情况下的两个圆相交的情形。 - 对于更加通用或者精度更高的需求，则建议借助第三方库比如 Shapely 或者 GeoPandas 进行矢量几何运算后再转换为 Matplotlib 支持的形式进行渲染。