很全的路由器默认初始密码集合.txt_UpSet—

很全的路由器默认初始密码集合.txt_UpSet——集合关系可视化神器

学习更多生信小技巧，点上方蓝字关注我们

分析背景

提到集合的可视化，大家第一时间想到的是用Venn图来展示，在前期的推文中，小编也给大家分享了venn图的绘制方法。然而，值得一提的是，小编分享的方法是基于R语言，并将根据项目经验，将常规的代码语句进行封装，对于刚入门的小白来说，只需要整理好自己的数据，将数据传入到函数中，即可得到高质量的Venn图，方面快捷，省时省力。但是，当集合数多比如 7个以上的时候那就会看的眼花缭乱了。

针对上面这种情况，小编今天给大家编写了一个用于多个集合数据可视化小程序——集合图，并且小编已经将其封装成函数，小伙伴们只需将自己的数据传入到函数中，即可做出高质量的图片，保存下来，AI编辑一下，就可以插入到自己的论文写作中，话不多说，直接上脚本！

分析方法

# 安装R包if (!requireNamespace("UpSetR", quietly = TRUE))  install.packages("UpSetR",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")if (!requireNamespace("RColorBrewer", quietly = TRUE))  install.packages("RColorBrewer",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")if (!requireNamespace("data.table", quietly = TRUE))  install.packages("data.table",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/") # 自定义函数## 快速读入数据readFlie=function(input,type,row=T,header=T){  # input 为读入文件的路径，type为读入文件的类型，格式为‘.txt’或‘.csv’,row=T,将文件的第一列设置为列名  library(data.table,quietly = TRUE)  if(type=='txt'){    dat = fread(input,header = header,sep='\t',stringsAsFactors = F,check.names = F)    if(row){      dat = as.data.frame(dat,stringsAsFactors = F)      rownames(dat) = dat[,1]      dat = dat[,-1]    }else{      dat = as.data.frame(dat,stringsAsFactors = F)    }  }else{    dat = fread(input,header = header,sep=',',stringsAsFactors = F,check.names = F)    if(row){      dat = as.data.frame(dat,stringsAsFactors = F)      rownames(dat) = dat[,1]      dat = dat[,-1]    }else{      dat = as.data.frame(dat,stringsAsFactors = F)    }  }  return(dat)}## 绘制集合图wn_upset=function(list,bar_cor='lightblue2',point_cor = 'blue',keep.order=F,order.by=c("freq","degree")){    # list 传入数据为一个list    # bar_cor 上方条形图的填充颜色    # point_cor 共有集合点阵图的颜色    # keep.order 根据list中的向量顺序展示样本，默认为FALSE，此时按照样本中物种数量由多至少顺序展示    # order.by是否按照频数和度进行排序，默认矩阵先按度，然后按频率排序    # 定义颜色体系    require(RColorBrewer,quietly = T,warn.conflicts =F)    corlor = c(brewer.pal(12,'Set3'),brewer.pal(12,'Paired'),brewer.pal(11,'Spectral'))    require(UpSetR,quietly = T,warn.conflicts =F)    g=upset(fromList(list), nsets = length(list),sets=names(list),keep.order=keep.order,            number.angles = 30, point.size = 2.5, line.size = 0.20,mb.ratio = c(0.55, 0.45),            text.scale = c(1.5,1, 1.5, 1, 1,1),            # 上方条形图的填充颜色            main.bar.color=bar_cor,mainbar.y.label = "Intersection Size",            # 下方条形图的填充颜色            sets.bar.color=corlor[1:length(list)],            matrix.color=point_cor,            sets.x.label = "Set Size",            order.by = order.by,shade.color = brewer.pal(9,'BuPu')[2], shade.alpha = 0.70, matrix.dot.alpha = 0.85)  return(g)}

实战演练

df = readFlie('./upset.txt',type = 'txt',row = F)# 抽取数据，制造测试数据set.seed(1234)df_list = list('Symbol1'=sample(df$symbol,180),'Symbol2'=sample(df$symbol,200),               'Symbol3'=sample(df$symbol,220),'Symbol4'=sample(df$symbol,240),               'Symbol5'=sample(df$symbol,260),'Symbol6'=sample(df$symbol,280),               'Symbol7'=sample(df$symbol,300),'Symbol8'=sample(df$symbol,310),               'Symbol9'=sample(df$symbol,150))# 绘制集合图# 4维集合图wn_upset(df_list[1:4])# 6维集合图wn_upset(df_list[1:6])# 9维集合图wn_upset(df_list)# 保存图片pdf('./up_set.pdf',height = 9,width = 16)# 8维集合图wn_upset(df_list[1:8]) dev.off()

关注微信公众号，回复关键词“upset”，获取脚本源码和测试数据。

参考文献

Lex, A., Gehlenborg, N. Sets and intersections. Nat Methods 11, 779 (2014).

A. Lex, N. Gehlenborg, H. Strobelt, R. Vuillemot and H. Pfister, "UpSet: Visualization of Intersecting Sets," in IEEE Transactions on Visualization and Computer Graphics, vol. 20, no. 12, pp. 1983-1992, 31 Dec. 2014.

Conway J R, Lex A, Gehlenborg N. UpSetR: an R package for the visualization of intersecting sets and their properties[J]. Bioinformatics, 2017, 33(18): 2938-2940.