最近刚好用到韦恩图，但是由于term比较多，VennDiagram的可视化效果并不好。然后再一个帖子里看到了UpSetR和Y叔的改进版本upsetplot。
UpSetR
一、一般情况下，我喜欢用最直接的方式输入
这种方式可以很方便的选择自己想展示的任意几个cluster之间的交集。
colorPalette<-c("#e41a1c","#377eb8","#4daf4a","9ecae1","#6baed6","#4292c6")
library(UpSetR)
input <- c(
'Type 1'= 578,
'Type 2' = 284,
'Type 3' = 488,
'Type 1&Type 3' =205,
'Type 2&Type 3' =89,
'Type 1&Type 2&Type 3' =20)
data <- fromExpression(input)
upset(data, nsets = 9, sets = c('Type 1', 'Type 2' , 'Type 3'),
keep.order = TRUE,matrix.color ="#b35806", main.bar.color = colorPalette,
sets.bar.color = c("#e41a1c","#377eb8","#4daf4a"),
point.size = 4, line.size = 1.3, mainbar.y.label = "IntersectionSize",
sets.x.label = "", mb.ratio = c(0.60, 0.40), text.scale = c(2, 2, 0.5, 0.5,2, 3))
可以根据参数改变每一个bar的颜色
二、使用table方式输入
当数据量较大，或者需要更复杂的展示的时候，可以使用table方式输入。
我们来看一下系统提供是movies数据
movies <- read.csv(system.file("extdata","movies.csv",package = "UpSetR"), header = TRUE, sep=";")
View(movies)
类似的数据类型
类似的格式的数据可以使用tidyr包中的pivot_wider函数生成，这个包中有很多函数对于数据变形很好用。
upset(movies, nsets = 7, nintersects = 30, mb.ratio = c(0.5, 0.5),
order.by = c("freq", "degree"), decreasing = c(TRUE,FALSE))
movies
其他更加复杂的参数可以自行探索。
