
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23