其他
韦恩图进阶！upset plot 03
Try to learn everything about something!
书接上回！！
前面介绍了upsetR包的查询参数，今天继续介绍组合图形！
组合图形
attribute.plots
组合图形
组合图形分为两种，一种是函数自带的参数，使用起来非常简单，用于显示不同交集的属性情况。
还是使用昨天的df数据。
upset(df,order.by = "freq",main.bar.color = "skyblue",sets.bar.color = "grey70",nintersects=20,
## 组合图形
boxplot.summary = c("col2","value")
)
竟然很炫酷有木有？？:laugh
那这个箱线图有啥意思啊？其实也很简单，它展示的是交集的某个属性的分布情况。
就比如col2的第一个条形，展示的就是c,d,e,f,g5个集合的交集（共163个元素）,在col2的分布情况。
attribute.plots
另外一种添加图形的方式是通过attribute.plots参数实现。
attribute.plots包含以下参数：
gridrows:设定添加的图形大小 plots:列表形式的一系列参数，主要包括plot、x、y、queries plot：返回ggplot对象的函数 x：横坐标 y：纵坐标 queries：TRUE或者FALSE，是否使用查询到的数据覆盖图形 ncols：图形排布为几列
下面是自带的2个组合图形，直方图和散点图：
upset(df, order.by = "freq",main.bar.color = "skyblue",sets.bar.color = "grey70",
## 添加图形
attribute.plots = list(
gridrows = 50,
plots = list(
list(plot = histogram,x="col1",queries=F),
list(plot = scatter_plot,x="col2",y="value",queries=F)
),
ncol = 2
)
)
由于数据问题，这个图看不出来有什么特别作用，所以下面还是使用自带数据集进行演示。
“自带数据集
movies，是一个电影类型数据，共有3883行（3881部电影），21列。第1列是电影名字，还有上映时间（ReleaseDate）、评分（AvgRatings）、观看数（Watches）。其余列是由0-1矩阵表示的电影类型。
movies <- read.csv(system.file("extdata", "movies.csv", package = "UpSetR"),
header = T, sep = ";")
str(movies)
## 'data.frame': 3883 obs. of 21 variables:
## $ Name : chr "Toy Story (1995)" "Jumanji (1995)" "Grumpier Old Men (1995)" "Waiting to Exhale (1995)" ...
## $ ReleaseDate: int 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 ...
## $ Action : int 0 0 0 0 0 1 0 0 1 1 ...
## $ Adventure : int 0 1 0 0 0 0 0 1 0 1 ...
## $ Children : int 1 1 0 0 0 0 0 1 0 0 ...
## $ Comedy : int 1 0 1 1 1 0 1 0 0 0 ...
## $ Crime : int 0 0 0 0 0 1 0 0 0 0 ...
## $ Documentary: int 0 0 0 0 0 0 0 0 0 0 ...
## $ Drama : int 0 0 0 1 0 0 0 0 0 0 ...
## $ Fantasy : int 0 1 0 0 0 0 0 0 0 0 ...
## $ Noir : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Horror : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Musical : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Mystery : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Romance : int 0 0 1 0 0 0 1 0 0 0 ...
## $ SciFi : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Thriller : int 0 0 0 0 0 1 0 0 0 1 ...
## $ War : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Western : int 0 0 0 0 0 0 0 0 0 0 ...
## $ AvgRating : num 4.15 3.2 3.02 2.73 3.01 3.88 3.41 3.01 2.66 3.54 ...
## $ Watches : int 2077 701 478 170 296 940 458 68 102 888 ...
下面就是画图，主要是使用attribute.plots参数添加更多图形。
前面说过，组合的图形是支持query的，可以根据查询到的数据画图。
upset(movies, main.bar.color = "black",
## 添加查询条件
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)),
## 组合图形
attribute.plots = list(
gridrows = 45,
plots = list(
list(plot = scatter_plot, x = "ReleaseDate", y = "AvgRating", queries = T), # 根据查询结果画图
list(plot = scatter_plot, x = "AvgRating", y = "Watches", queries = F)),
ncols = 2),
query.legend = "bottom")
这个图包含了非常多信息：
首先是upset plot主体，展示了电影类型最多的前5个以及它们的数量，然后是彼此之间的交集及数量、元素个数； 通过查询，突出3个交集； 最下面的散点图，第一个展示了上映日期和评分的关系，可以看到3个交集被赋予不同的颜色，这和ggplot中的颜色映射非常像！第2个展示了评分和观看人数的关系。
这就是queries和attribute.plots的基本用法。
下面再展示一个ggplot2的用法。
# 首先定义2个函数，可以返回ggplot对象
library(ggplot2)
library(plyr)
## ------------------------------------------------------------------------------
## You have loaded plyr after dplyr - this is likely to cause problems.
## If you need functions from both plyr and dplyr, please load plyr first, then dplyr:
## library(plyr); library(dplyr)
## ------------------------------------------------------------------------------
##
## 载入程辑包：'plyr'
## The following objects are masked from 'package:dplyr':
##
## arrange, count, desc, failwith, id, mutate, rename, summarise,
## summarize
myplot <- function(mydata, x, y) {
plot <- (ggplot(data = mydata, aes_string(x = x, y = y, colour = "color")) +
geom_point() + scale_color_identity() + theme(plot.margin = unit(c(0,
0, 0, 0), "cm")))
}
another.plot <- function(data, x, y) {
data$decades <- round_any(as.integer(unlist(data[y])), 10, ceiling)
data <- data[which(data$decades >= 1970), ]
myplot <- (ggplot(data, aes_string(x = x)) + geom_density(aes(fill = factor(decades)),
alpha = 0.4) + theme(plot.margin = unit(c(0, 0, 0, 0), "cm"), legend.key.size = unit(0.4,
"cm")))
}
然后就是画图：
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 = myplot, x = "ReleaseDate",y = "AvgRating", queries = T),
list(plot = another.plot, x = "AvgRating", y = "ReleaseDate", queries = F)),
ncols = 2)
)
关于组合图形还有另一种形式：metadata，明天继续！
以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！
欢迎在评论区留言或直接添加我的微信！
欢迎关注公众号：医学和生信笔记
“医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！
往期回顾
超详细的R语言热图之complexheatmap系列1
超详细的R语言热图之complexheatmap系列2
画一个好看的森林图
用更简单的方式画森林图