获取更多R语言知识，请关注公众号：医学和生信笔记
医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。
文章目录
安装使用提取数据，用ggplot2画
前几天介绍了使用venndiagram包绘制韦恩图，这个包很简单，参数也不复杂，基本能满足日常需求，但是每次运行都要产生一个日志文件在本地，很是难受，最多支持5个集合。
现在在R里面画图，如果不能支持图层语法，感觉都拿不出手了，一切都在ggplot2化。
韦恩图当然也不例外，比如这个国产R包：ggvenndiagram。
这个包比较牛逼的地方在于，它可以通过封装好的函数直接画图，也可以把画图数据提取出来，让你用ggplot2自己画，支持2-7个集合，应该够你用了吧？
俗话说：数就是图，图就是数，相比较于画图来说，我还是觉得整理数据比较难！
安装
任选一种：
install.packages("ggVennDiagram")
# install.packages("devtools")
devtools::install_github("gaospecial/ggVennDiagram")
这个包发了文章的，大家使用的话记得引用！
Gao, C.-H., Yu, G., and Cai, P. (2021). ggVennDiagram: An Intuitive, Easy-to-Use, and Highly Customizable R Package to Generate Venn Diagram. Frontiers in Genetics 12, 1598. doi: 10.3389/fgene.2021.706907.
使用
library(ggVennDiagram)
library(ggplot2)
sets <- list(
a = sample(1:500,300),
b = sample(1:500,350),
c = sample(1:500,420),
d = sample(1:500,300)
)
ggVennDiagram(sets,
category.names = c("set 1","set 2","set 3","set 4"), # 集合名字
set_color = c("blue","red","yellow","black"), # 集合名字颜色
set_size = 6,# 集合名字大小
label = "both", # "count","percent","both","none"
label_geom = "label", # label/text,
label_alpha = 0, # label背景色
label_color = "firebrick",
label_percent_digit = 2, # 保留几位小数
edge_lty = "dashed", # 边框线型，solid
edge_size = 1.2 # 边框粗细
)+
scale_fill_gradient(low = "grey90",high = "grey60")+ # 填充色
scale_color_manual(values = c("grey10","grey10","grey10","grey10")) # 边框色,貌似不能变为无边框
上面这个例子是直接出图版，简单快捷，不过默认颜色不是很好看，需要自己鼓捣一番才能找到合适的颜色。
下面是比较有意思的部分，提取数据，让你用ggplot2自己画！
提取数据，用ggplot2画
作者把韦恩图的主要结构拆解为3个部分：集合标签/集合边框/交集区域，把这3个部分分装在一个S4对象里，方便你自由调取使用，自由改变。
venn <- Venn(sets)
df <- process_data(venn)
df
## An object of class "VennPlotData"
## Slot "setEdge":
## Simple feature collection with 4 features and 5 fields
## Geometry type: LINESTRING
## Dimension: XY
## Bounding box: xmin: 0.0649949 ymin: 0.1849949 xmax: 0.9350051 ymax: 0.8391534
## CRS: NA
## # A tibble: 4 x 6
## id geometry component item count name
##
## 1 1 (0.1025126 0.7174874, 0.09412107 0.708119~ setEdge ## 2 2 (0.2525126 0.8174874, 0.246341 0.8103391,~ setEdge ## 3 3 (0.7333452 0.8033452, 0.7262248 0.8095447~ setEdge ## 4 4 (0.8974874 0.7174874, 0.8881191 0.7258789~ setEdge ## ## Slot "setLabel": ## Simple feature collection with 4 features and 3 fields ## Geometry type: POINT ## Dimension: XY ## Bounding box: xmin: 0.08 ymin: 0.78 xmax: 0.93 ymax: 0.86 ## CRS: NA ## # A tibble: 4 x 4 ## id geometry component name ## ## 1 1 (0.08 0.78) setLabel a ## 2 2 (0.26 0.86) setLabel b ## 3 3 (0.71 0.85) setLabel c ## 4 4 (0.93 0.78) setLabel d ## ## Slot "region": ## Simple feature collection with 15 features and 5 fields ## Geometry type: POLYGON ## Dimension: XY ## Bounding box: xmin: 0.0649949 ymin: 0.1849949 xmax: 0.9350051 ymax: 0.8391534 ## CRS: NA ## # A tibble: 15 x 6 ## id geometry component item count name ## ## 1 1 ((0.1025126 0.7174874, 0.1118809 0.7258~ region ## 2 2 ((0.2525126 0.8174874, 0.2596609 0.8236~ region ## 3 3 ((0.7333452 0.8033452, 0.7395447 0.7962~ region ## 4 4 ((0.8974874 0.7174874, 0.9058789 0.7081~ region ## 5 12 ((0.2494531 0.7508377, 0.266399 0.74722~ region ## 6 13 ((0.3598131 0.3161471, 0.3466157 0.3144~ region ## 7 14 ((0.6341476 0.306281, 0.6321686 0.29195~ region ## 8 23 ((0.4087951 0.6905086, 0.4240163 0.7044~ region ## 9 24 ((0.7013464 0.5605964, 0.7121743 0.5437~ region ## 10 34 ((0.7562978 0.7359764, 0.7555797 0.7233~ region ## 11 123 ((0.4254307 0.668526, 0.4425419 0.65529~ region ## 12 124 ((0.6020164 0.4567956, 0.6098817 0.4389~ region ## 13 134 ((0.4966178 0.374675, 0.4805314 0.36463~ region ## 14 234 ((0.5085786 0.6114214, 0.5243976 0.6266~ region ## 15 1234 ((0.5066822 0.5956024, 0.5213246 0.5792~ region 通过上面两个函数，就把韦恩图的结构变成了数据框形式，方便使用ggplot2画图，比较牛逼的是geometry这列，存储的是各个集合的坐标！ 接下来就可以使用ggplot2了。 ggplot()+ geom_sf(data = venn_region(df), aes(fill=count))+ geom_sf(data = venn_setedge(df),size=2,lty="dashed",color="grey")+ geom_sf(data = venn_setlabel(df),aes(label=name))+ geom_sf_label(data = venn_region(df),aes(label=id),fontface="bold")+ scale_fill_distiller(palette = 5)+ theme_void() 是不是很神奇，不过还是封装好的画图函数的更好用的一点。 而且，不太容易找到好看的颜色搭配。 获取更多R语言知识，请关注公众号：医学和生信笔记 医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。