最近剛好用到韋恩圖，但是由于term比較多，VennDiagram的可視化效果并不好。然后再一個帖子里看到了UpSetR和Y叔的改進版本upsetplot。

UpSetR

一、一般情況下，我喜歡用最直接的方式輸入

這種方式可以很方便的選擇自己想展示的任意幾個cluster之間的交集。

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))

可以根據參數改變每一個bar的顏色

二、使用table方式輸入

當數據量較大，或者需要更復雜的展示的時候，可以使用table方式輸入。

我們來看一下系統提供是movies數據

movies <- read.csv(system.file("extdata","movies.csv",package = "UpSetR"), header = TRUE, sep=";")
View(movies)

類似的數據類型

類似的格式的數據可以使用tidyr包中的pivot_wider函數生成，這個包中有很多函數對于數據變形很好用。

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

movies

其他更加復雜的參數可以自行探索。