R语言可视化之UpSetR包

简介

集合可视化我们用得最多的是韦恩图，韦恩图在集合数少的时候是很好用的，但是当集合数多比如五个以上的时候那就会看花眼了，比如下面这副含有6个集合韦恩图，是发表在Nature上的文章里的，漂亮是漂亮，但是眼都快看花了。

今天介绍一个R包UpSetR，专门用来集合可视化，来源于UpSet，Python里面也有一个相似的包py-upset。此外还有个UpSetR shiny app以及源代码。

安装

两种方式安装： 

#从CRAN安装  
install.packages("UpSetR")  
#从Github上安装  
devtools::install_github("hms-dbmi/UpSetR") 

数据导入

UpSetR提供了两个函数fromList以及fromExpression将数据转换为UpsetR适用的数据格式。   

#fromList  
listinput <- list(one = c(1, 2, 3, 5, 7, 8, 11, 12, 13), two = c(1, 2, 4, 5, 
 
10), three = c(1, 5, 6, 7, 8, 9, 10, 12, 13)) 
 
#fromExpression 
 
expressionInput <- c(one = 2, two = 1, three = 2, `one&two` = 1, `one&three` = 4, 
 
`two&three` = 1, `one&two&three` = 2) 

接下来就可以绘制绘制图形了 

library(UpSetR)  
upset(fromList(listinput), order.by = "freq")  
#下面绘制的图形等同于上图  
upset(fromExpression(expressionInput), order.by = "freq") 

参数详解

下面所有的例子都将使用UpSetR内置的数据集movies来绘制。 

#导入数据  
movies <- read.csv(system.file("extdata", "movies.csv", package = "UpSetR"), header = TRUE, sep = ";")  
#先大致浏览一下该数据集,数据集太长，就只看前几列  
knitr::kable(head(movies[,1:10])) 

该数据集展示的是电影名(name)、发行时间(ReleaseDate)以及电影类型，多了去了就不详讲了，自个可以看去。

UpsetR绘制集合可视化图形使用函数upset()。

upset(movies, nsets = 6, number.angles = 30, point.size = 2, line.size = 1, mainbar.y.label = "Genre Intersections", sets.x.label = "Movies Per Genre", text.scale = c(1.3, 1.3, 1, 1, 1.5, 1)) 

解释一下上面部分参数：

• nsets: 顾名思义，就是展示几个集合，movies数据集由20几个集合，不可能全部展示，另外从图中可以看出，这6个集合应该不是按顺序选择的。
• numble.angle: 柱子上的数字看到了吧，这个参数就是调整数字角度的，可有可无的
• mainbar.y.label/sets.x.label：坐标轴名称
• text.scale(): 有六个数字，分别控制c(intersection size title, intersection size tick labels, set size title, set size tick labels, set names, numbers above bars)。

很多时候我们想要看特定的几个集合，UpSetR满足我们的需求。 

upset(movies, sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery",  
"Thriller", "Romance", "War", "Western"), mb.ratio = c(0.55, 0.45), order.by = "freq") 

文中的参数：

• mb.ratio: 控制上方条形图以及下方点图的比例
• order.by: 如何排序，这里freq表示从大到小排序展示，其他选项有degree以及先按freq再按degree排序。

各个变量也可以通过参数keep.order来排序 

upset(movies, sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery",  
"Thriller", "Romance", "War", "Western"), mb.ratio = c(0.55, 0.45), order.by = "freq",  
keep.order = TRUE) 

也可以按group进行展示，这图展示的就是按各个变量自身、两个交集、三个交集…依次展示。参数cutoff控制每个group显示几个交集。

参数intersects控制总共显示几个交集。

upset(movies, nintersects = 70, group.by = "sets", cutoff = 7) 

还有很多参数比如控制颜色的参数，点、线大小等，具体可查看?upset

queries参数

queries参数分为四个部分：query, param, color, active.

• query: 指定哪个query，UpSetR有内置的，也可以自定义，说到底就是一个查询函数
• param: list, query作用于哪个交集
• color：每个query都是一个list，里面可以设置颜色,没设置的话将调用包里默认的调色板
• active：被指定的条形图是否需要颜色覆盖，TRUE的话显示颜色，FALSE的话则在条形图顶端显示三角形

内置的intersects query 

upset(movies, queries = list(list(query=intersects, params=list("Drama", "Comedy", "Action"), color="orange", active=T),  
list(query=intersects, params=list("Drama"), color="red", active=F),  
list(query=intersects, params=list("Action", "Drama"), active=T))) 

内置的elements query

此query可以可视化特定交集在不同条件下的情况 

upset(movies, queries = list(list(query=elements, params=list("AvgRating", 3.5, 4.1), color="blue", active=T),  
list(query=elements, params=list("ReleaseDate", 1980, 1990, 2000), color="red", active=F))) 

自定义一个query 

myfunc <- function(row, release, rating){  
newdata <- (row["ReleaseDate"]%in%release)&(row["AvgRating"]>rating)  
}  
upset(movies, queries = list(list(query=myfunc, params=list(c(1950,1960,1990,2000), 3.0), color="red", active=T))) 

添加query图例 

upset(movies, query.legend = "top", queries = list(list(query = intersects,  
params = list("Drama", "Comedy", "Action"), color = "orange", active = T,  
query.name = "Funny action"), list(query = intersects, params = list("Drama"),  
color = "red", active = F), list(query = intersects, params = list("Action",  
"Drama"), active = T, query.name = "Emotional action"))) 

参数attribute.plots

主要是用于添加属性图，内置有柱形图、散点图、热图等

柱形图 

upset(movies, main.bar.color = "black", queries = list(list(query = intersects,  
params = list("Drama"), active = T)), attribute.plots = list(gridrows = 50,  
plots = list(list(plot = histogram, x = "ReleaseDate", queries = F), list(plot = histogram,  
x = "AvgRating", queries = T)), ncols = 2)) 

散点图 

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 = scatter_plot,  
x = "ReleaseDate", y = "AvgRating", queries = T), list(plot = scatter_plot,  
x = "AvgRating", y = "Watches", queries = F)), ncols = 2), query.legend = "bottom") 

箱线图

箱线图可以展示数据的分布,通过参数boxplot.summary控制，最多可以一次性显示两个箱线图 

upset(movies, boxplot.summary = c("AvgRating", "ReleaseDate")) 

还有一个十分重要的功能Incorporating Set Metadata这里就不讲了。

SessionInfo 

sessionInfo()  
## R version 3.4.2 (2017-09-28)  
## Platform: x86_64-w64-mingw32/x64 (64-bit)  
## Running under: Windows 10 x64 (build 15063)  
##  
## Matrix products: default  
##  
## locale:  
## [1] LC_COLLATE=Chinese (Simplified)_China.936  
## [2] LC_CTYPE=Chinese (Simplified)_China.936  
## [3] LC_MONETARY=Chinese (Simplified)_China.936  
## [4] LC_NUMERIC=C  
## [5] LC_TIME=Chinese (Simplified)_China.936  
##  
## attached base packages:  
## [1] stats graphics grDevices utils datasets methods base  
##  
## other attached packages:  
## [1] UpSetR_1.3.3  
##  
## loaded via a namespace (and not attached):  
## [1] Rcpp_0.12.13 knitr_1.17 magrittr_1.5 munsell_0.4.3  
## [5] colorspace_1.3-2 rlang_0.1.2 stringr_1.2.0 highr_0.6  
## [9] plyr_1.8.4 tools_3.4.2 grid_3.4.2 gtable_0.2.0  
## [13] htmltools_0.3.6 yaml_2.1.14 lazyeval_0.2.0 rprojroot_1.2  
## [17] digest_0.6.12 tibble_1.3.4 gridExtra_2.3 ggplot2_2.2.1  
## [21] evaluate_0.10.1 rmarkdown_1.6 labeling_0.3 stringi_1.1.5  
## [25] compiler_3.4.2 scales_0.5.0 backports_1.1.1