京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用R语言做Venn(韦恩)图
首先介绍一下韦恩图(英语:Venn diagram) ,也叫做文氏图、温氏图、范氏图,这都一个意思。它是数学学科中分支集合论(或者类的理论)的一支,在不太严格的意义下用来表示集合(或类)的一种草图。Veen图是用于展示在不同的事物群组(集合)之间的数学或逻辑联系,尤其适合用来表示集合(或)类之间的“大致关系”,这“大致关系”就意味着它是不精确的。它也常常被用来帮助推导(或理解推导过程)关于集合运算(或类运算)的一些规律。
学过基础数学的都知道,咱们在学习集合论的时候,绝对画过韦恩图。用韦恩图来表征分组彼此之间的关系,观察公共区域以及每个分组的单独部分的情况。在生态学以及微生态研究中会用Venn图来展示几个分组之间关系的结果。
需要加载的软件包:colorfulVennPlot
数据准备形式如下:
我们现在想知道A、B、C这3个样地之间关于共同有的OTU以及独自具有的OTU数量的关系,每个样地有3个重复样。且看用R怎样做出你想要的结果:
setwd("C:/Rwork")#设置工作目录,我的工作目录设置为C盘Rwork文件夹
library(colorfulVennPlot )#加载colorfulVennPlot软件包,当然前提是你先下载好colorfulVennPlot软件包,如果没有的话,执行以下命令来下载:
install.packages("colorfulVennPlot ")#这一步是为了下载好colorfulVennPlot软件包
a<-read.csv("practice2", header=T)#读取要分析的数据,将其命名为a
rownames(a)<-a[,1]#将上一步的a数据矩阵的第一列提取出来,因为是你要分析的部分,命名为rownames(a),也可以是其他的名字
a<-a[,-1]#a数据的第一列作为表格的行名
head(a)#这一步不是必须的,这一步的意思是查看你新命名的a数据的前6行
grouped <- data.frame(A=rowSums(otu[,c(4,5,7)]),B=rowSums(otu[,c(1,2,6)]),C=rowSums(otu[,c(3,8,9)]))#我要详细解释这一命令的含义:根据我们之前给的practice2这个表格数据,以及我们将第一列数据作为行名。我们可以看到第4,5,7列是A样地组;1,2,6列是B样地组;3,8,9列是C样地组;我们将重复样进行求和,最终表格合并为3列A,B,C;且将其命名为grouped名字。
grouped#你可以查看合并之后的表格grouped
vennData<-createVennData(grouped,type="count",Cols=c("A","B","C"),Splits=c(0.1,0.1,0.1))#根据上述的一系列条件进行venn计算,设置颜色,类型,标签等等。
vennData#查看venn计算之后的结果
plotVenn(vennData$x,vennData$labels)#venn出图结果
结果如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14