R 数据可视化 —— 集合可视化 UpSetR

作者: 名本无名 | 来源:发表于2021-05-06 20:58 被阅读0次

前言

上一节，我们介绍了如何绘制韦恩图来显示集合间的交叠关系

但是，随着集合的增多，韦恩图显示的关系会越来越复杂，很难一眼看出其中的信息。

今天，我们要介绍的是，当集合数目较多时，该如何绘制

我们将使用 UpSetR 包来绘制下面这种图

该图由三个子图组成：

表示交集大小的柱状图（上方）
表示集合大小的条形图（下左）
表示集合之间的交叠矩阵（下右），矩阵的列表示每种交集组合，对应于柱状图的横坐标；矩阵的行表示集合，对应于条形图的纵坐标

通过这样一张图，可以展示多个集合之间的交叠关系，且很容易从图中看出集合之间的交集信息

那怎么绘制出这样一张图呢？

基础

1. 安装导入

install.packages("UpSetR")

library(UpSetR)

我们使用该包自带的示例数据

movies <- read.csv(system.file("extdata", "movies.csv", package = "UpSetR"), 
    header = T, sep = ";")

2. 数据

在开始绘制之前，我们需要知道输入数据的格式。

UpSetR 提供了两个转换函数 fromList 和 fromExpression 用于格式化数据

fromList 函数接受一个 list（每个变量表示一个集合），并将其转换为数据框，例如

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 函数接受一个命名向量表达式，包含了每个集合的大小，以及交集的大小，交集的名称通过 & 符号相连，例如

expressionInput <- c(
        one = 2, two = 1, three = 2, 
        `one&two` = 1, `one&three` = 4, 
        `two&three` = 1, `one&two&three` = 2)

根据上面的数据，可以绘制如下图形

upset(fromList(listInput), order.by = "freq")
# upset(fromExpression(expressionInput), order.by = "freq")

3. 绘制部分集合

在这里，我们通过设置 nsets = 6 将集合范围限制在最大的 6 个集合

upset(movies, nsets = 6, 
      number.angles = 30, 
      point.size = 3.5, 
      line.size = 2, 
      mainbar.y.label = "Genre Intersections", 
      sets.x.label = "Movies Per Genre", 
      text.scale = c(1.3, 1.3, 1, 1, 2, 0.75))

同时，可以指定参数，来调整图形属性，例如，使用 number.angles 来设置柱状图柱子上方数字的倾斜角度；使用 point.size 和 line.size 来设置矩阵点图中点和线的大小；mainbar.y.label 和 sets.x.label 可以设置柱状图和条形图的轴标签；text.scale 包含 6 个值，用于指定图上所有文本标签的大小。

text.scale 参数值的顺序为：

柱状图的轴标签和刻度
条形图的轴标签和刻度
集合名称
柱子上方表示交集大小的数值

我们也可以指定需要展示的集合

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

mb.ratio 用于控制上下图形所占比例

4. 排序

我们可以设置 order.by 参数，来对交集进行排序。

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

freq 默认是升序，可以使用 decreasing = TRUE 让其降序排列

upset(movies, 
      sets = c("Action", "Comedy", "Drama", 
               "Mystery", "Thriller", "Romance", "War"),
      mb.ratio = c(0.55, 0.45),
      order.by = "degree",
      decreasing = FALSE
      )

degree 默认为降序排序，设置 decreasing = FALSE 使其升序排列

也可以同时指定这两个值

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

如果想要让集合按照 sets 参数中指定的出现的顺序排列，可以设置 keep.order = TRUE

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

如果想要显示交集为空的组合，可以设置 empty.intersections 参数

upset(movies, 
      sets = c("Action", "Comedy", "Drama", 
               "Mystery", "Thriller", "Romance", "War"),
      empty.intersections = "on"
      )

查询

查询通过 queries 参数来执行，接受一个嵌套的 list 来表示多个查询条件，每个查询条件包含四个字段：

query：需要执行的查询
params：查询参数列表
color：设置满足查询条件的元素在图中的颜色
active：如果为 TRUE，柱状图颜色将会被覆盖，为 FALSE 则会在柱子上添加带有随机扰动的点

例如

1. 内置交集查询

我们使用内置的交集查询：intersects，用来寻找或显示特定的交集，并将找到的交集进行上色

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)
  )
  )

2. 内置元素查询

我们使用 elements 来进行元素查询，来展示元素在交集中的分布情况

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)
        )
      )

3. 使用表达式

我们可以为 expression 参数设置过滤表达式来提取查询结果的子集。

upset(movies, 
      queries = list(
        list(
          query = intersects, 
          params = list("Action", "Drama"), 
          active = T), 
        list(
          query = elements, 
          params = list("ReleaseDate", 1980, 1990, 2000), 
          color = "red", 
          active = F)), 
      expression = "AvgRating > 3 & Watches > 100"
      )

4. 自定义查询

查询函数会应用于数据的每一行中，我们可以定义如下查询函数

Myfunc <- function(row, release, rating) {
  data <- (row["ReleaseDate"] %in% release) & (row["AvgRating"] > rating)
}

筛选发行日期在 release 内，且平均评分大于某个值的电影

执行查询

upset(movies, 
      queries = list(
        list(
          query = Myfunc, 
          params = list(c(1970, 1980, 1990, 1999, 2000), 2.5), 
          color = "blue", 
          active = T)
        )
      )

5. 添加查询图例

可以使用 query.legend 参数来指定查询图例的位置，top 或 bottom

在查询条件中，使用 query.name 来设置查询的名称，如果为设置，会自动生成

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")
        )
      )

属性图

attribute.plots 参数用于执行属性图的绘制，包含 3 个字段：

gridrows：设置属性图的空间大小，UpSet plot 默认为 100 X 100，如果设置为 50，则整个图形变成 150 X 100
plots：图形列表，每个元素包含 4 个参数：
- plot：返回 ggplot 对象的函数
- x：图形的 x 轴变量
- y：图形的 y 轴变量
- queries：是否使用已经存在的查询来覆盖绘图数据
ncols：设置列数

1. 内置绘图函数

我们使用包中自带的 histogram 函数来绘制直方图

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
        )
      )

使用 scatter_plot 函数绘制散点图

upset(movies, 
      main.bar.color = "black", 
      queries = list(
        list(
          query = intersects, 
          params = list("Drama"), 
          color = "red", 
          active = F), 
        list(
          query = intersects, 
          params = list("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"
      )

2. 自定义绘图函数

我们先定义两个基于 ggplot2 的函数，用于绘制散点图和密度图

my_scatter <- function(data, x, y) {
  p <- ggplot(data, aes_string(x, y, colour = "color")) +
    geom_point() +
    scale_colour_identity() +
    theme(
      plot.margin = unit(c(0, 0, 0, 0), "cm")
    )
  p
}

my_density <- function(data, x, y) {
  data$decades <- data[, y] %/% 10 * 10
  data <- data[which(data$decades >= 1970), ]
  p <- ggplot(data, aes_string(x)) +
    geom_density(aes(fill = factor(decades)), alpha = 0.3) +
    theme(
      plot.margin = unit(c(0, 0, 0, 0), "cm"), 
      legend.key.size = unit(0.4, "cm")
    )
  p
}

然后应用在属性图中

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 = my_scatter, 
            x = "ReleaseDate", 
            y = "AvgRating", 
            queries = T),
          list(
            plot = my_density,
            x = "AvgRating",
            y = "ReleaseDate",
            queries = F)
          ),
        ncols = 2)
      )

3. 绘制箱线图

想要绘制箱线图，可以使用 boxplot.summary 参数，最多只能同时绘制两个变量的箱线图。

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

当然，用自定义的方式也能实现

集合元数据

set.metadata 参数可以用来设置集合的元数据，包含 3 个字段：

data：数据框，第一列为集合名，后面的列为对应的集合属性
ncols：列数
plots：也是一个 list，每个元素包含 4 个字段 column, type, assign 和 colors
- column：data 中用于绘制的列名
- type：需要绘制的图像类型，如果指定的列为数值型，则可以是 hist 和 heat；如果是布尔型，则可以绘制 bool 热图；如果是分类类型（字符串），则可以是 heat 和 text；如果想在矩阵中绘制，可以使用 matrix_rows。
- assign：该元数据图分配的列数，如果绘制 2 列数据，并分别分配了 20 和 10，则 UpSet 图变为 100 X 130
- colors：元数据图颜色，如果是条形图，则会应用于整个元数据图；如果是 heat 或 bool，则可以设置一个颜色向量；如果是 factor 则没有 colors 参数，并且图像为渐变色；如果是 text 则可以为每个唯一的字符串设置一个颜色，不设置会自动分配颜色

1. 条形图

我们为每个集合添加元数据属性，为每部电影随机设置烂番茄的电影评分

sets <- names(movies[3:19])
avgRottenTomatoesScore <- round(runif(17, min = 0, max = 90))
metadata <- as.data.frame(cbind(sets, avgRottenTomatoesScore))
names(metadata) <- c("sets", "avgRottenTomatoesScore")

要绘制条形图，需要保证对应列的数据类型必须是数值型

> str(metadata)
'data.frame':   17 obs. of  2 variables:
 $ sets                  : Factor w/ 17 levels "Action","Adventure",..: 1 2 3 4 5 6 7 8 12 9 ...
 $ avgRottenTomatoesScore: Factor w/ 12 levels "13","16","21",..: 6 10 12 5 1 1 3 2 11 11 ...

我们看到，评分列为 factor，所以需要先进行转换

metadata$avgRottenTomatoesScore <- as.numeric(as.character(metadata$avgRottenTomatoesScore))

现在可以绘制元数据图了

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "hist", 
            column = "avgRottenTomatoesScore", 
            assign = 20)
          )
        )
      )

2. 热图

我们再构造电影的元数据，为电影添加城市属性，同时确保该列为字符串类型而不是 factor

Cities <- sample(c("Boston", "NYC", "LA"), 17, replace = T)
metadata <- cbind(metadata, Cities)
metadata$Cities <- as.character(metadata$Cities)

我们绘制两幅热图，一幅指定了颜色，另一幅不指定颜色

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "heat",
            column = "Cities", 
            assign = 10, 
            colors = c(
              Boston = "green", 
              NYC = "navy",
              LA = "purple")
            ), 
          list(
            type = "heat", 
            column = "avgRottenTomatoesScore", 
            assign = 10)
          )
        )
      )

可以看到，不指定颜色的热图为灰色渐变色

布尔型热图

我们为电影添加一列 accepted 信息，值为 0、1

accepted <- round(runif(17, min = 0, max = 1))
metadata <- cbind(metadata, accepted)

设置方式与上面类似

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "bool", 
            column = "accepted", 
            assign = 5, 
            colors = c("#FF3333", "#006400")
            )
          )
        )
      )

如果将 bool 换成 heat

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "heat", 
            column = "accepted", 
            assign = 5, 
            colors = c("#FF3333", "#006400")
            )
          )
        )
      )

会将 0、1 布尔型数据视为数值型，并绘制渐变色

3. 文本

对于城市信息元数据，可能显示文本比热图更合适一些

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "text", 
            column = "Cities", 
            assign = 10, 
            colors = c(
              Boston = "green", 
              NYC = "navy",        
              LA = "purple")
            )
          )
        )
      )

4. 在矩阵中应用元数据

有时候，我们可能想将元数据信息直接体现在 UpSet 图中，可以设置 type = "matrix_rows"，在矩阵中为不同城市设置不同的颜色

upset(movies, 
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "hist", 
            column = "avgRottenTomatoesScore", 
            assign = 20), 
          list(
            type = "matrix_rows", 
            column = "Cities", 
            colors = c(
              Boston = "green", 
              NYC = "navy", 
              LA = "purple"),
            alpha = 0.5)
          )
        )
      )

汇总

最后，我们将这些图合并在一起

upset(movies, 
      # 查询
      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)), 
      # 元数据图
      set.metadata = list(
        data = metadata, 
        plots = list(
          list(
            type = "hist", 
            column = "avgRottenTomatoesScore", 
            assign = 20), 
          list(
            type = "bool", 
            column = "accepted",
            assign = 5, 
            colors = c("#FF3333", "#006400")), 
          list(
            type = "text", 
            column = "Cities",
            assign = 5, 
            colors = c(
              Boston = "green", 
              NYC = "navy", 
              LA = "purple")), 
          list(
            type = "matrix_rows", 
            column = "Cities", 
            colors = c(
              Boston = "green", 
              NYC = "navy", 
              LA = "purple"), 
            alpha = 0.5)
          )
        ), 
      # 属性图
      attribute.plots = list(
        gridrows = 45, 
        plots = list(
          list(
            plot = my_scatter, 
            x = "ReleaseDate", 
            y = "AvgRating", 
            queries = T), 
          list(plot = my_density, 
               x = "AvgRating", 
               y = "ReleaseDate", 
               queries = F)), 
        ncols = 2), 
      query.legend = "bottom"
      )

代码：
https://github.com/dxsbiocc/learn/blob/main/R/plot/upset_plot.R

参数详情

R 数据可视化 —— 集合可视化 UpSetR

前言

基础

1. 安装导入

2. 数据

3. 绘制部分集合

4. 排序

查询

1. 内置交集查询

2. 内置元素查询

3. 使用表达式

4. 自定义查询

5. 添加查询图例

属性图

1. 内置绘图函数

2. 自定义绘图函数

3. 绘制箱线图

集合元数据

1. 条形图

2. 热图

布尔型热图

3. 文本

4. 在矩阵中应用元数据

汇总

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

R ggplot

R 语言

R语言可视化