【R分享|实战】维恩图(Venn)&集合图(Upset)的选择与绘制
维恩图与集合图的比较
我们看几张维恩图和集合图，先从视觉上对这两种图有一个大致了解。不同集合数量导致维恩图和集合图的可视化差异明显：
从维恩图来看，当数量分布在2和3时，视觉效果相当好。我们可以很清晰地识别不同组之间独有和共有的特征或元素。随着集合数的增加，当数量为4时，还能够较清晰地获取相关信息。当数量等于5时，想对图实现清晰地捕捉是有点困难的。
从集合图来看，当数量等于2和3时，集合图从视觉上看略显单调。随着集合数量的增加，当数量增加到5时，相比于维恩图，集合图展示的结果（不同组的特有或共有信息）依然清晰（当然集合图也是可以改颜色的，这个大家不用担心并不是如此黑）。
尽管两种图形看起来差异很大，但是其本质均反映了各组之间的集合关系。因此，我们要做的就是根据自己数据的情况，选择合适的集合图形。
简言之：
1）当集合数量<5时，建议使用维恩图更加清晰；
2）当集合数量>5时，建议使用集合图更加清晰；
3）集合图能够实现更多的展示方式。
利用R语言绘制维恩图和集合图
绘制维恩图，主要用到R语言VennDiagram包中的venn.diagram函数；绘制集合图，主要用到R语言UpsetR包中的upset函数。学习代码的时候，还是按照惯例，先用?或者help查阅一下对应参数及其用法；结果如下：
这里，需要注意的是，两种图形对数据的要求不同。venn.diagram要求用 list 输入以各组为集合的元素向量，存在几个分组就对应几个集合；而upset则以以数据框形式输入，用数字0和1表示元素是否存在分组集合中。以下截图来自两个函数的Example：
具体的代码实战过程：以五个分组为例。
1）维恩图
# 选择并设定工作路径
choose.dir()
setwd()
# 加载R包
library(VennDiagram)
?venn.diagram
str(x) # 查看数据类型
# 样本五组维恩图
venn.plot <- venn.diagram(
x,
filename = "Venn_5set_pretty.tiff", # 导出文件名
col = "black", # 维恩图每个组边的颜色
fill = c("dodgerblue", "goldenrod1", "darkorange1", "seagreen3", "orchid3"), # 各组的填充颜色
alpha = 0.50, # 透明度
cex = c(1.5, 1.5, 1.5, 1.5, 1.5, 1, 0.8, 1, 0.8, 1, 0.8, 1, 0.8,
1, 0.8, 1, 0.55, 1, 0.55, 1, 0.55, 1, 0.55, 1, 0.55, 1, 1, 1, 1, 1, 1.5), # 向量给出每个区域标签的大小
cat.col = c("dodgerblue", "goldenrod1", "darkorange1", "seagreen3", "orchid3"), # 向量给出每个类别名称的颜色
cat.cex = 1.5, # 向量给出每个类别名称的大小
cat.fontface = "bold", # 向量给出每个类别名称的字体
margin = 0.05 # 以网格单位表示图表周围空白的数量
);
需要注意: 维恩图的绘制结果无法在Rstudio中直接展示，而是生成图形并保存于工作目录。所以，一定要清楚自己所设置的工作路径。
2）集合图
library(UpSetR) # 加载R包
head(movies) # 查看数据前6行
upset(data = movies,
sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery",
"Thriller", "Romance", "War", "Western"), # 指定集合
number.angles = 30, # 设置交互集合柱状图上方数字的角度
point.size = 3.5, # 设置矩阵中圆圈的大小
line.size = 2, # 设置矩阵中连接圆圈的线的大小
mainbar.y.label = "Genre Intersections", # 设置y轴标签
sets.x.label = "Movies Per Genre", # 设置x轴标签
mb.ratio = c(0.6, 0.4), # 设置bar plot和matrix plot图形高度的占比
order.by = "freq") # 设置矩阵中的交点应该如何排列
绘制结果如下：
进一步绘制集合图的多种展示形式：这部分代码就不一一解读了，大家尝试自己学习。
# 构建metadata信息
sets <- names(movies[3:19])
avgRottenTomatoesScore <- round(runif(17, min = 0, max = 90))
metadata <- as.data.frame(cbind(sets, avgRottenTomatoesScore))
names(metadata) <- c("sets", "avgRottenTomatoesScore")
head(metadata)
metadata$avgRottenTomatoesScore <- as.numeric(as.character(metadata$avgRottenTomatoesScore))
## Upset plot具有多种展现形式
## 添加元数据条形图
upset(movies,
sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery", "Thriller", "Romance", "War", "Western"),
set.metadata = list(data = metadata,
plots = list(list(type = "hist", column = "avgRottenTomatoesScore", assign = 20))))
## 添加元数据热图
Cities <- sample(c("Boston", "NYC", "LA"), 17, replace = T)
metadata <- cbind(metadata, Cities)
metadata$Cities <- as.character(metadata$Cities)
metadata[which(metadata$sets %in% c("Drama", "Comedy", "Action", "Thriller", "Romance")), ]
head(metadata)
upset(movies,
sets = c("Drama", "Comedy", "Action", "Thriller", "Romance"),
set.metadata = list(data = metadata,
plots = list(list(type = "heat", column = "Cities", assign = 10, colors = c(Boston = "green", NYC = "navy", LA = "purple")))))
upset(movies,
sets = c("Drama", "Comedy", "Action", "Thriller", "Romance"),
set.metadata = list(data = metadata,
plots = list(list(type = "heat", column = "Cities", assign = 10, colors = c(Boston = "green", NYC = "navy", LA = "purple")),
list(type = "heat", column = "avgRottenTomatoesScore", assign = 10))))
## 添加内置属性直方图
upset(movies,
main.bar.color = "black",
queries = list(list(query = intersects, params = list("Drama"), active = T)),
attribute.plots = list(gridrows = 50,
plots = list(list(plot = histogram, x = "ReleaseDate", queries = F),
list(plot = histogram, x = "AvgRating", queries = T)), ncols = 2))## 添加内置属性散点图
upset(movies,
main.bar.color = "black",
queries = list(list(query = intersects, params = list("Drama"), color = "red", active = F),
list(query = intersects, params = list("Action", "Drama"), active = T),
list(query = intersects, params = list("Drama", "Comedy", "Action"), color = "orange", active = T)),
attribute.plots = list(gridrows = 45,
plots = list(list(plot = scatter_plot, x = "ReleaseDate", y = "AvgRating", queries = T),
list(plot = scatter_plot, x = "AvgRating", y = "Watches", queries = F)), ncols = 2), query.legend = "bottom")