R语言学习VennDiagram包绘制韦恩图示例

目录
  • 引言
  • 一 需要安装和导入的包
  • 二 使用函数及参数
  • 三 知道各个数据集的个数以及重叠（交叉）的个数
    • 2.1 两个已知数据集的韦恩图
    • 2.2 三个已知数据集的韦恩图
  • 四 根据数据集合绘制韦恩图
    • 4.1 四个数据集合
    • 4.2 五个数据集合

引言

本版块会持续分享一些常用的结果展示的图形。

在得到数据之后，我们经常会用到维恩图来展示各个数据集之间的重叠关系。本文简单的介绍R语言中的VennDiagram包绘制数据集的维恩图。

一 需要安装和导入的包

install.packages("VennDiagram")
library(grid)
library(VennDiagram)

复制

二 使用函数及参数

所有参数说明点击下载

可以看到参数有很多，不用担心，下文的例子会给出常用的调整参数以及说明。

三 知道各个数据集的个数以及重叠（交叉）的个数

2.1 两个已知数据集的韦恩图

# 圆的大小不会根据数据量多少改变
venn.plot <- draw.pairwise.venn(80, 30, 10, c("First", "Second"), scaled =FALSE)
grid.draw(venn.plot)

复制

# 圆的大小根据数据量多少改变

venn.plot <- draw.pairwise.venn(80, 30, 10, c("First", "Second"))

grid.draw(venn.plot)

#调整参数进行图形优化

venn.plot <- draw.pairwise.venn(  area1 = 80,  #区域1的数
area2 = 30,   #区域2的数
cross.area = 2,  #重叠的个数
category = c("First", "Second"),#分类命名
fill = c("blue", "red"),#1 2 区域分别的填充颜色
lty = "blank",  #1 2 区域的边框线类型
cex = 2,        #1 2 区域内部数字的字体大小
cat.cex = 2,    # 分类名称的字体大小
cat.dist = 0.09,   #分类名称距离边的距离 实际调整
cat.just = list(c(-1, -1), c(1, 1)),  #分类名称的位置  ，圈内或者圈外
ext.pos = 30,  #线的角度 默认是正上方12点位置
ext.dist = -0.05,   #外部线的距离  跟根据圆圈的大小适当调整
ext.length = 0.85,  #外部线长度
ext.line.lwd = 2,  #外部线的宽度
ext.line.lty = "dashed" )  #外部线为虚线);
grid.draw(venn.plot)

复制

2.2 三个已知数据集的韦恩图

venn.plot &lt;- draw.triple.venn(area1 = 80,area2 = 70,area3 = 50,n12 = 38,n23 = 18,n13 = 28,n123 = 8,category = c("First", "Second", "Third"),fill = c("blue", "red", "green"),lty = "blank",cex = 2,cat.cex = 2,cat.col = c("blue", "red", "green"))
grid.draw(venn.plot)

复制

四 根据数据集合绘制韦恩图

4.1 四个数据集合

A <- sample(1:1000, 500, replace = FALSE);
B <- sample(1:1000, 600, replace = FALSE);
C <- sample(1:1000, 700, replace = FALSE);
D <- sample(1:1000, 800, replace = FALSE);
E <- sample(1:1000, 900, replace = FALSE);
venn.plot <- venn.diagram(#数据列表
x = list(A = A,B = B,C = C,D = D),
filename = "Venn_4set.tiff",    #保存路径
col = "transparent",      #指定图形的圆周边缘颜色  transparent 透明
fill = c("blue", "green", "yellow", "grey50"),  #填充颜色
alpha = 0.50,     #透明度
label.col = c("orange", "white", "grey50", "white","white", "white", "white", "white", "darkblue", "white","white", "white", "white", "darkgreen", "white"),
cex = 1.2,    #每个区域label名称的大小
cat.col = c("darkblue", "darkgreen", "orange", "grey50"),  #分类颜色
cat.cex = 1.2,      #每个分类名称大小
cat.dist = 0.07,
cat.pos = 0,        #
cat.fontfamily = "serif",     #分类字体
rotation.degree = 270,        #旋转角度
margin = 0.2 )

复制

4.2 五个数据集合

venn.plot &lt;- venn.diagram(
x = list(    A = A,    B = B,    C = C,    D = D,    E = E  ),
filename = "Venn_5set.tiff",
col = "black",
fill = c("dodgerblue", "goldenrod1", "darkorange1", "seagreen3", "orchid3"),
alpha = 0.50,
cat.col = c("darkblue", "darkgreen", "orange", "grey50","purple"),
cat.cex = 1.5,
cat.fontface = "bold",
margin = 0.05);

复制

VennDiagram函数包最大能绘制5个数据集合的韦恩图，可以看到已经有点乱了，当更多集合的时候，可以使用之前分享的R|UpSet-集合可视化进行绘制。

韦恩图，走你。

以上就是R语言学习VennDiagram包绘制韦恩图示例的详细内容，更多关于R语言VennDiagram绘制韦恩图的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • R语言绘制line plot线图示例详解

    R语言绘制line plot线图示例详解

    目录 Step1.绘图数据的准备 Step2.绘图数据的读取 Step3.绘图所需package的安装.调用 Step4.绘图 最近小仙同学在Nature Cell Biology上看到了这样一张图,很常见的折线图画成这个样子——原来很常见的图标类型也可以“焕发新春”! 今天小仙同学就尝试用R复刻一张类似的折线图. Step1. 绘图数据的准备 首先要把你想要绘图的数据调整成R语言可以识别的格式,建议大家在excel中保存成csv格式.数据的格式如下图:一列表示一种变量,最后一列是每一行的行名.

  • R语言绘制Facet violin plot小提琴刻面图实现示例

    R语言绘制Facet violin plot小提琴刻面图实现示例

    目录 Step1.绘图数据的准备 Step2.绘图数据的读取 Step3.绘图所需package的安装.调用 Step4.绘图 Step5.美化 老铁们,许久未见啦.顺便说一下,最近可不是小仙同学偷懒哟,电脑上个月送修今天刚刚拿回来(想买联想Yoga的同学先问问自己会不会拆电脑换排线,我买的这台用了一个月,送修也用了一个月 ).最近我可攒了个大招呢,先来看看下面这张图,有没有很眼熟呢? 这张图在开始介绍R语言的时候就出现过啦,不过小仙同学当时并不知道怎么画.今天可以秀一把啦. Step1. 绘图

  • R语言绘制Bubble Matrix气泡矩阵图

    R语言绘制Bubble Matrix气泡矩阵图

    目录 Step1.绘图数据的准备 Step2.绘图数据的读取 Step3.绘图所需package的安装.调用 Step4.绘图 Step5.美化 又是一个好久不见,朋友们你们最近还好吗!最近小仙同学刚经历了人生中的一个重要的里程碑——延毕.在预料之中.又如期而至的两个字,小仙心里也是很复杂,可终究跟“毕业”二字沾了边,就当它是好事啦! 今天要给大家介绍的是气泡矩阵图,要模仿的图形如下.小仙同学一直有一个困惑:什么样的数据应该画什么类型的图,才能精确地展示数据表达出自己的意思?对于气泡矩阵图,小仙

  • R语言绘图学习教程VennDiagram绘制venn

    R语言绘图学习教程VennDiagram绘制venn

    目录 导读 一.模拟输入 二.venn基础图 三.个性化参数调整 四.保存 导读 使用VennDiagram函数包中的venn.diagram函数绘制三数据集venn图. 安装依赖包: # venn图 install.packages("VennDiagram") library(VennDiagram) 一.模拟输入 产生3个含200字符串的数据集 set1 <- paste(rep("word_" , 200) , sample(c(1:1000) , 2

  • R语言绘制小提琴图violin plot实现示例

    R语言绘制小提琴图violin plot实现示例

    目录 Step1.绘图数据的准备 Step2.绘图数据的读取 Step3.绘图所需package的安装.调用 Step4.绘图 Step5.美化 即便小仙同学决定学习R语言来提升自己作图的“逼格”的时候,心中还有有些疑虑的(嘿嘿,我这么懒,可不愿意做无用功了?).仔细想了想,貌似又找到了两个学习R的理由. 一是R可以帮助我们避免重复劳动,实现“一劳永逸”的终极梦想.尽管非常不想承认这一事实,在科研的过程中,小仙同学制造出了大量“无效”的数据(sign…),但也不得不“绞尽脑汁”.“竭尽全力”地进

  • R语言绘制维恩图ggvenn示例详解

    R语言绘制维恩图ggvenn示例详解

    目录 引言 1.安装 2.基础用法 3.图形美化 4.提取交集部分并输出 引言 韦恩图,Venn diagram,常用图的一种,用来展示集合之间的特异性和共同性.现在有很多在线的网站都可以绘制,但是R来画也方便,其中ggvenn是基于ggplot2的专门绘制韦恩图的R包. 官方网站:https://github.com/yanlinlin82/ggvenn 1.安装 ggvenn在CRAN上,直接用Install.packages就可以完成安装: > install.packages("g

  • R语言学习VennDiagram包绘制韦恩图示例

    R语言学习VennDiagram包绘制韦恩图示例

    目录 引言 一 需要安装和导入的包 二 使用函数及参数 三 知道各个数据集的个数以及重叠(交叉)的个数 2.1 两个已知数据集的韦恩图 2.2 三个已知数据集的韦恩图 四 根据数据集合绘制韦恩图 4.1 四个数据集合 4.2 五个数据集合 引言 本版块会持续分享一些常用的结果展示的图形. 在得到数据之后,我们经常会用到维恩图来展示各个数据集之间的重叠关系.本文简单的介绍R语言中的VennDiagram包绘制数据集的维恩图. 一 需要安装和导入的包 install.packages("VennDi

  • R语言使用cgdsr包获取TCGA数据示例详解

    R语言使用cgdsr包获取TCGA数据示例详解

    目录 TCGA数据源 TCGA数据库探索工具 查看任意数据集的样本列表方式 选定数据形式及样本列表后获取感兴趣基因的信息,下载mRNA数据 选定样本列表获取临床信息 综合性获取 下载mRNA数据 获取病例列表的临床数据 从cBioPortal下载点突变信息 从cBioPortal下载拷贝数变异数据 把拷贝数及点突变信息结合画热图 TCGA数据源 众所周知,TCGA数据库是目前最综合全面的癌症病人相关组学数据库,包括的测序数据有: DNA Sequencing miRNA Sequencing P

  • R语言学习之线图的绘制详解

    R语言学习之线图的绘制详解

    目录 线图 单线图 多线图 横轴文本线图 线图 线图是反映趋势变化的一种方式,其输入数据一般也是一个矩阵. 单线图 假设有这么一个矩阵,第一列为转录起始位点及其上下游5 kb的区域,第二列为H3K27ac修饰在这些区域的丰度,想绘制一张线图展示. profile="Pos;H3K27ac -5000;8.7 -4000;8.4 -3000;8.3 -2000;7.2 -1000;3.6 0;3.6 1000;7.1 2000;8.2 3000;8.4 4000;8.5 5000;8.5"

  • R语言学习ggplot2绘制统计图形包全面详解

    R语言学习ggplot2绘制统计图形包全面详解

    目录 一.序 二.ggplot2是什么? 三.ggplot2能画出什么样的图? 四.组装机器 五.设计图纸 六.机器的零件 1. 零件--散点图 1) 变换颜色 2) 拟合曲线 3) 变换大小 4) 修改透明度 5) 分层 6) 改中文 2. 零件--直方图与条形图 1) 直方图 2) 润色 3) 条形图 3. 零件--饼图 4. 零件--箱线图 5. 零件--小提琴图 6. 零件打磨 7. 超级变变变 8. 其他常用零件 七.实践出真知 八.学习资源 九.参考资料 一.序 作为一枚统计专业的学

  • 详解R语言图像处理EBImage包

    详解R语言图像处理EBImage包

    目录 什么是EBImage 1. 图像读取与保存 2.色彩管理 3.图像处理 4.空间变换 5.形态运算 6.图像分割 本文摘自<Keras深度学习:入门.实战及进阶>第四章部分章节. 什么是EBImage EBImage是R的一个扩展包,提供了用于读取.写入.处理和分析图像的通用功能,非常容易上手.EBImage包在Bioconductor中,通过以下命令进行安装. install.packages("BiocManager") BiocManager::install(

  • R语言利用caret包比较ROC曲线的操作

    R语言利用caret包比较ROC曲线的操作

    说明 我们之前探讨了多种算法,每种算法都有优缺点,因而当我们针对具体问题去判断选择那种算法时,必须对不同的预测模型进行重做评估. 为了简化这个过程,我们使用caret包来生成并比较不同的模型与性能. 操作 加载对应的包与将训练控制算法设置为10折交叉验证,重复次数为3: library(ROCR) library(e1071) library("pROC") library(caret) library("pROC") control = trainControl(

  • R语言使用gganimate创建可视化动图

    R语言使用gganimate创建可视化动图

    目录 前言 加载R包,数据 ggplot2绘制 gganimate 动态 参考资料 前言 介绍一个主要用于绘制动画的ggplot2的扩展包---gganimate包. Hans Rosling的关于“New Insights on Poverty”的TED演讲绝对是对我影响最大的几个TED之一,原来数据可以这样展示,,,可视化可以这样炫,,,故事可以这样讲... 下面尝试使用 gganimate 包和 gapminder 数据集,实现类似可视化过程. 加载R包,数据 #R包安装 install.

  • R语言ggplot2拼图包patchwork安装使用

    R语言ggplot2拼图包patchwork安装使用

    目录 引言 安装 例子 高级特性 引言 patchwork是基于ggplot2的拼图包,因为ggplot2本身没有强大的拼图语法,而一般使用的gridExtra与cowplot的拼ggplot2图形都存在不少问题. 我关注这个包蛮久了,现在Github上的Star数已经远超大部分的R包,但似乎还没有发布到CRAN.我的工作看似跟作图相关,写的博文大多数也如此,但实际对图形的掌控力并不咋的,所以还是要多多学习. 下面进入正题,掌握好ggplot2与patchwork的基本用法,一般的图形都可以搞定

  • R语言学习代码格式一键美化

    R语言学习代码格式一键美化

    目录 RStudio 快捷操作 formatR 包 配合 Shiny 包使用 参考 当写R代码时,很多时候写的代码或者看到的代码缩进都很难统一到标准的格式.这时为了规范化代码,我们需要再代码中一行一行查代码,将其修改成标准的格式. 那么我们有没有一键代码整理的方式或者R包呢? 答案是有的! 下面我们介绍两种方法. RStudio 快捷操作 如果你使用的是RStudio 写代码的话,那么只用全选代码(Ctrl + A),而后输入如下命令: Ctrl + Shift + A 即可简单调整缩进与格式.

  • R语言数据可视化ggplot绘制置信区间与分组绘图技巧

    R语言数据可视化ggplot绘制置信区间与分组绘图技巧

    目录 1. 单组情况 1)构造数据集 2)绘制置信区间 2. 多组情况 方法1 1)构造数据集 2)绘制置信区间 方法2 1)构造数据集 2)绘制置信区间 3)美化 1. 单组情况 1)构造数据集 x <- 1:10 y <- x^2 ci_l <- x^2 - 0.5 * x ci_r <- x^2 + 0.5 * x dat_plot <- data.frame(x, y, ci_l, ci_r) 数据集长下面这样: x y ci_l ci_r 1 1 1 0.5 1.5

随机推荐