一文解決韋恩圖（零程式碼版本、R語言、python版本）
原文（
簡書部落格
：柳葉刀與小滑鼠）：一文解決韋恩圖（零程式碼版本、R語言、python版本）
（1）送給不喜歡程式設計的同學
http：//bioinformatics。psb。ugent。be/webtools/Venn/
（1）匯入準備做交集的檔案。（2）點選submit選項。
其結果如下所示：
該網站可以完成最多30個數據集的交集繪製。其樣式可以在上一步的
output control
修改。
（2）送給喜歡用Python的同學
# -*- coding： utf-8 -*-
“”“
Created on Sat Jul 27 18：35：51 2019
@author： czh
”“”
%
reset
-
f
%
clear
# In［*］
#繪圖程式碼
from
matplotlib
import
pyplot
as
plt
import
numpy
as
np
from
matplotlib_venn
import
venn3
，
venn3_circles
plt
。
figure
（
figsize
=
（
4
，
4
））
v
=
venn3
（
subsets
=
（
230
，
32
，
109
，
33
，
56
，
20
，
44
），
set_labels
=
（
‘A’
，
‘B’
，
‘C’
））
plt
。
show
（）
import
matplotlib
。
pyplot
as
plt
from
matplotlib_venn
import
venn3
import
matplotlib
。
patheffects
as
path_effects
fig
，
ax
=
plt
。
subplots
（
figsize
=
（
10
，
10
））
v
=
venn3
（
subsets
=
（
10
，
10
，
4
，
10
，
4
，
4
，
2
），
set_labels
=
（
‘’
，
‘’
，
‘’
），
ax
=
ax
）
v
。
get_label_by_id
（
‘100’
）。
set_text
（
‘Executive’
）
v
。
get_label_by_id
（
‘010’
）。
set_text
（
‘Legislative’
）
v
。
get_label_by_id
（
‘001’
）。
set_text
（
‘Judicial’
）
v
。
get_label_by_id
（
‘110’
）。
set_text
（
‘Example 1’
）
v
。
get_label_by_id
（
‘011’
）。
set_text
（
‘Example 2’
）
v
。
get_label_by_id
（
‘101’
）。
set_text
（
‘Example 3’
）
v
。
get_label_by_id
（
‘111’
）。
set_text
（
‘’
）
plt
。
title
（
“The Three Branches of the US Government”
）
example_text
=
（
‘Example 1： The Vice President is considered “President of the Senate” and can vote to break ties。\n’
‘Example 2： The Legislature confirms Supreme Court justices。\n’
‘Example 3： The Executive appoints potential Supreme Court justices。’
）
text
=
fig
。
text
（
0。0
，
0。05
，
example_text
，
ha
=
‘left’
，
va
=
‘bottom’
，
size
=
14
）
text
。
set_path_effects
（［
path_effects
。
Normal
（）］）
plt
。
show
（）
python的限制比較明顯，不能做三個以上資料集的交集，所以推薦用R語言來做。
（3）喜歡R語言的同學
venneuler包
setwd
（
‘D：\\F1\\deg’
）
rm
（
list
=
ls
（））
library
（
venneuler
）
MyVenn
<-
venneuler
（
c
（
A
=
50
，
B
=
50
，
C
=
50
，
“A&B”
=
10
，
“A&C”
=
10
，
“B&C”
=
10
，
“A&B&C”
=
3
））
MyVenn
$labels
<-
c
（
“”
，
“”
，
“”
，
“”
，
“”
，
“”
）
plot
（
MyVenn
）
text
（
0。4
，
0。2
，
“A（n=60）”
，
cex
=
1
）
text
（
0。4
，
0。8
，
“B（n=70）”
，
cex
=
1
）
text
（
0。75
，
0。5
，
“C（n=50）”
，
cex
=
1
）
text
（
0。5
，
0。5
，
“5”
，
cex
=
1
）
text
（
0。4
，
0。5
，
“10”
，
cex
=
1
）
text
（
0。55
，
0。4
，
“20”
，
cex
=
1
）
text
（
0。5
，
0。6
，
“30”
，
cex
=
1
）
這個程式碼從邏輯上看比較簡單，僅僅在text上修改顯示的內容即可。
VennDiagram包
library
（
VennDiagram
）
A
=
1
：
150
B
=
c
（
121
：
170
，
300
：
320
）
C
=
c
（
20
：
40
，
141
：
200
）
Length_A
<-
length
（
A
）
Length_B
<-
length
（
B
）
Length_C
<-
length
（
C
）
Length_AB
<-
length
（
intersect
（
A
，
B
））
Length_BC
<-
length
（
intersect
（
B
，
C
））
Length_AC
<-
length
（
intersect
（
A
，
C
））
Length_ABC
<-
length
（
intersect
（
intersect
（
A
，
B
），
C
））
T
<-
venn
。
diagram
（
list
（
A
=
A
，
B
=
B
），
filename
=
NULL
，
lwd
=
1
，
lty
=
2
，
col
=
c
（
‘red’
，
‘green’
），
fill
=
c
（
‘red’
，
‘green’
）
，
cat
。
col
=
c
（
‘red’
，
‘green’
）
，
rotation
。
degree
=
90
）
grid
。
draw
（
T
）
T
<-
venn
。
diagram
（
list
（
A
=
A
，
B
=
B
，
C
=
C
），
filename
=
NULL
，
lwd
=
1
，
lty
=
2
，
col
=
c
（
‘red’
，
‘green’
，
‘blue’
）
，
fill
=
c
（
‘red’
，
‘green’
，
‘blue’
）
，
cat
。
col
=
c
（
‘red’
，
‘green’
，
‘blue’
）
，
reverse
=
TRUE
）
grid
。
draw
（
T
）
（4）UpSetR包
正文
介紹一個R包UpSetR，專門用來集合視覺化，更受雜誌和編輯喜歡。
原理比較簡單，做法大概分為兩種，第一種是定義資料集後，畫圖自動取交集。第二種做法是先取交集，然後畫圖。繪製韋恩圖的目的主要是檢視資料集之間的異同。
（1）第一種：定義資料集後直接畫圖取交集
library
（
UpSetR
）
library
（
dplyr
）
library
（
tidyr
）
rm
（
list
=
ls
（））
diff
<-
read
。
csv
（
“diffSig_ttest。csv”
，
header
=
T
，
row
。
names
=
1
）
載入包和所使用的資料。
AA <- subset
（
diff，
splice_type
==
“AA”
）
AD <- subset
（
diff，
splice_type
==
“AD”
）
AP <- subset
（
diff，
splice_type
==
“AP”
）
AT <- subset
（
diff，
splice_type
==
“AT”
）
取出準備取交集的資料集們
#fromList
listinput
<-
list
（
AD
=
AD
$symbol
，
AP
=
AP
$symbol
，
AA
=
AA
$symbol
，
AT
=
AT
$symbol
）
library
（
UpSetR
）
# pdf（file=‘upset。pdf’，height = 8，width = 8）
p
<-
upset
（
fromList
（
listinput
），
nsets
=
4
，
order
。
by
=
“freq”
）
# dev。off（）
繪製圖片
（2）取交集後在畫圖
setwd
（
“E：
\\
Rwork”
）
library
（
UpSetR
）
require
（
ggplot2
）；
require
（
plyr
）；
require
（
gridExtra
）；
require
（
grid
）；
input
<-
c
（
‘cancer1’
=
1578
，
‘cancer2’
=
1284
，
‘cancer3’
=
2488
，
‘cancer1&cancer2’
=
205
，
‘cancer1&cancer3’
=
828
，
‘cancer2&cancer3’
=
589
，
‘cancer1&cancer2&cancer3’
=
120
）
data
<-
fromExpression
（
input
）
p1
<-
upset
（
data
，
nsets
=
9
，
sets
=
c
（
‘cancer1’
，
‘cancer2’
，
‘cancer3’
），
keep
。
order
=
TRUE
，
# number。angles = 30，
point
。
size
=
5
，
line
。
size
=
1。3
，
mainbar
。
y
。
label
=
“IntersectionSize”
，
sets
。
x
。
label
=
“”
，
mb
。
ratio
=
c
（
0。60
，
0。40
），
text
。
scale
=
c
（
4
，
4
，
0。5
，
0。5
，
3
，
4
））
p1
