UpSetR：集合可视化神包-CSDN博客

对于集合的可视化，第一时间想到的都是韦恩图（venn diagram），一般集合不超过5个的时候，可视化效果还是不错的

但是一旦数据集增加，比如说五个的时候，你就很难从图中解读出想要的信息了。

即便你把它画的很美观，如下图那样，还是还是很难直观找到自己需要的信息。可视化的目的不是炫技，而是快速理解数据。

还好R语言里新增了一个集合可视化神包--UpSetR。它可视化的结果的基础版本长下面这个样子：

UpSetR

上述是分析了不同电影的所属类型得到的结果。在我不告诉你任何图示信息的情况下，请思考下那种电影类型拍的最多，然后哪两种电影电影类型拍的最少。

基本上我不用过多和你解释图示，你也能很快的找到答案。图中黑色表示该位置有数据，灰色的点表示没有。不同点连线表示存在交集。具体数据可以看上面的条形图。不同类型的数据的总量看左边的条形图。

如何画图

UpSetR是一个R包，这意味着你可以简单通过一行命令就能安装

install.packages(UpSetR)

UpsetR接受三种类型的数据输入：

表格形式，在R语言里就是数据框了。行表示元素，列表示数据集分配和额外信息。
元素名的集合(没见过，不知道。。)fromList
venneuler包引入的用于描述集合交集的向量fromExpression。

光看文字肯定是不懂的，所以直接实战把

输入方式一： table

我们用UpSetR提供的测试数据作为演示

require(ggplot2); require(plyr); require(gridExtra); require(grid);
movies <- read.csv(system.file("extdata","movies.csv",package = "UpSetR"), header = TRUE, sep=";")

看下数据长什么样子

View(movies)

Movies

Name是不同的电影，然后不同发布时间，后面接着电影跟随的类型。
绘图用的upset函数：

upset(movies, nsets = 7, nintersects = 30, mb.ratio = c(0.5, 0.5),
      order.by = c("freq", "degree"), decreasing = c(TRUE,FALSE))

稍微解释一下参数

nsets: 最多展示多少个集合数据。毕竟原来有20多种电影类型，放不完的
nintersects: 展示多少交集。
mb.ratio： 点点图和条形图的比例。
order.by： 交集如何排序。这里先根据freq，然后根据degree
decreasing： 变量如何排序。这里表示freq降序，degree升序

更有意思的是，我们还能在图中描述出1970-1980年恐怖片和剧情片的情况

# 用于query的函数
between <- function(row, min, max){
  newData <- (row["ReleaseDate"] < max) & (row["ReleaseDate"] > min)
}

upset(movies, sets=c("Drama","Comedy","Action","Thriller","Western","Documentary"),
      queries = list(list(query = intersects, params = list("Drama", "Thriller")),
                     list(query = between, params=list(1970,1980), color="red", active=TRUE)))

这里必须介绍一个神奇的参数queries：

queries接受query所组成的list。然后不同query也是一个list，这个list由查询函数，和参数组成，参数也是一个list。查询函数可以用系统自带的，也可以自己写一个。比如说这里的between

此外还有一个参数叫做attribute.plots能够添加在upset的结果图中加入属性图。

upset(movies,attribute.plots=list(gridrows=60,plots=list(list(plot=scatter_plot, x="ReleaseDate", y="AvgRating"),
                                                         list(plot=scatter_plot, x="ReleaseDate", y="Watches"),list(plot=scatter_plot, x="Watches", y="AvgRating"),
                                                         list(plot=histogram, x="ReleaseDate")), ncols = 2))

这个attribute.plots接受各个plot函数组成的作图函数，可以用自带的，也可以自己写，只要保证里面的参数设置正确了。

其他参数就不继续演示了，因为我懒。

输入方式二：集合交集向量

集合交集向量长下面这个样子

input <- c(
  "MAQ"=144600,
  "FaSD"=16532, 
  "Bcftools"=283, 
  "GATK"=15160, 
  "MAQ&FaSD"=16323, 
  "MAQ&Bcftools"=636, 
  "Bcftools&GATK"=65435, 
  "FaSD&GATK"=33874, 
  "MAQ&FaSD&Bcftools"=114, 
  "MAQ&FaSD&GATK"=41858, 
  "MAQ&Bcftools&GATK"=4, 
  "FaSD&Bcftools&GATK"=6603, 
  "MAQ&FaSD&Bcftools&GATK"=8357
)

输入格式一目了然，然后数据可以用fromExpression进行转换

data <- fromExperssion(input)

转换后的数据就可以拿去用upset作图了

upset(data)

福利：Y叔的upsetplot()

我们可以对ChIP-Seq分析得到的peak进行注释

require(TxDb.Hsapiens.UCSC.hg19.knownGene)
txdb <- TxDb.Hsapiens.UCSC.hg19.knownGene
peakfile <- system.file("extdata", "sample_peaks.txt", package="ChIPseeker")
peakAnno <- annotatePeak(peakfile, tssRegion=c(-3000, 3000), TxDb=txdb)
peakAnno

然后就可以用upsetplot画画了，太简单了。