韦恩图(Venn
diagram)，也叫维恩图、文氏图、温氏图等。即数学中的集合。目前韦恩图软件眼花缭乱，但选择一款适合自己的并非易事，毕竟要求和眼界也是越来越高，面对各式各样的R包，想找出符合自己要求的图更是难以抉择。本文主要介绍12个R语言中的韦恩图软件绘制，让您绘制心目中的韦恩图不再困难。

1

vennnetwork韦恩网络图

点评：该包暂时未开源，为百迈客云研发独有。韦恩网络图对每个交集均得到展示且保留了源交集信息。而且比较美观。

2

venneuler包

vd <- venneuler(c(A=0.3, B=0.3, C=1.1, "A&B"=0, "A&C"=0.2, "B&C"=0.1,"A&B&C"=0.1))

plot(vd)

点评：增加了权重大小设置，即图形大小跟着数值变动，但是输入需要提前计算好，且图形无法显示数值，需要额外text。包安装可能容易报错，亦可弃之。

Package：https://mirrors.sjtug.sjtu.edu.cn/cran/web/packages/venneuler/index.html

3

eulerr包

genes <-euler(c("SE"=13, "Treat"=28, "Anti-CCP"=101, "DAS28"=91,

"SE&Treat"=1, "SE&DAS28"=14, "Treat&Anti-CCP"=6, "SE&Anti-CCP&DAS28"=1))

plot(genes, quantities =list(type =c("percent", "counts")))

点评：可以显示数值或比例，设置权重，且可以自定义边框和颜色等；但有时数据不好，圈圈分离比较乱，影响美观；且如果需要同大小圈圈时，可能比较难调整。有类似的需要可以选取，否则可弃之。

官方示例：https://cran.r-project.org/web/packages/eulerr/vignettes/gallery.html

Package：https://cran.r-project.org/web/packages/eulerr/index.html

4

venn包

Venn的包在一段时期使用量比较高，其输入支持多种格式，比如常见的list型，dataframe等，哪怕单纯输入一个维度数字就可以出图，易上手，而且早期使用较多，作者还出了6维和7维的韦恩图，着实小小的惊艳了一下。

venn::venn(list(A=1:5,B=2:8,C=4:12),zcolor= 2:4,box=F,sncs=2,ilcs=1.5)

venn(7,zcolor=2:7,box=F)

venn(6,zcolor=2:3)

点评：入手容易，输入灵活，基本符合所需。但是venn=2的时候，上下留白太多，影响图片美观，暂列为次选。

5

VennDiagram包 （常用）

VennDiagram包目前仍是使用量最多的韦恩图包，没有之一，也是被人推荐次数最多的包。基本上把能用到的参数都外置，让使用者更多的是自定义自己的图形。

venn.diagram(list(AA=sample(1:100,70),PPP=sample(1:100,10)),

imagetype= "tiff", alpha=c(0.5,0.5),

fill=c("red","yellow"), cat.fontface=4,fontfamily=2,

main.cex= 2, main.fontface= 2, main.fontfamily= 2,

filename= "VennDiagram.tif",scaled=T)

此包的参数较多，为了更加灵活自定义自己图形：

resolution: 输出图形的清晰度，DPI数值；

imagetype: 输出图形的格式，tiff, png, jpeg，svg 等；

alpha: 设置每个区块的透明度；

main.fontface: title字体样式，比如斜体，粗体；

main.fontfamily: title字体，比如Time New Roman；

cat.fontfamily：= 标签字体，例如"serif"表示新罗马；

cat.fontface：标签字体样式，例如"bold"表示粗体；

cat.col ：标签颜色设置；

cat.cex ：标签大小；

cat.pos：设置标签位置；

fill：圈圈颜色；

col：圈圈border颜色；

euler.d or scaled：借用eulerr包的样式绘制，即可以调整是否权重设置。

点评：此包的出现，在相当长时间使用量急剧增加，样式多变，输入灵活，每个点线均可自定义设置。为韦恩图2-5维的首选，但权重绘制时，借鉴了eluer，可作为优选。

Package：https://mirrors.sjtug.sjtu.edu.cn/cran/web/packages/VennDiagram/index.html

6

ggVennDiagram包，韦恩热图 （进阶版）

genes <- paste("gene",1:1000,sep="")

x <- list(A=sample(genes,300),

B=sample(genes,525),

C=sample(genes,440),

D=sample(genes,350))

library(ggplot2)

ggVennDiagram(x) + scale_fill_gradient(low="blue",high= "red")

点评：

1，支持2-7维的韦恩图绘制；

3， 因是ggplot2的拓展包，因此支持ggplot2的其他语法设置；

4， show_intersect=T时，可输出为交互式html，此时可点击数值显示源数据。

亦可作为优选。

Package：https://cran.r-project.org/web/packages/ggVennDiagram/index.html

7

upsetR包，upset图

upset图，基本上属于第一批更换传统韦恩图样式的图，对传统的韦恩图5维以上的眼花缭乱，upset图更加的简洁易懂，让人眼前一亮。

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

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

upset(movies,attribute.plots=list(gridrows=60,plots=list(list(plot=scatter_plot, x="ReleaseDate", y="AvgRating"),list(plot=scatter_plot, x="ReleaseDate",y="Watches"),list(plot=scatter_plot, x="Watches", y="AvgRating"),list(plot=histogram, x="ReleaseDate")), ncols= 2))

点评：upset图相当于把每个交集块变成了柱子，简单易懂，也能从中看出不同集合的分布。同时此包可以对数据统计做出散点图、箱线图、直方图等多种统计图形展示，当然默认单纯的upset图使用的最多。

Package：devtools::install_github("hms-dbmi/UpSetR")

8

VennDetail包，韦恩图+韦恩条形图+韦恩饼图+upset图

library(VennDetail)

A <-sample(1:1000, 400, replace = FALSE)

B <- sample(1:1000, 600, replace = FALSE)

C <- sample(1:1000, 350, replace = FALSE)

D <- sample(1:1000, 550, replace =FALSE)

res <-venndetail(list(A = A, B = B, C = C, D = D))

result <- result(res)

plot(res)

点评：plot通过type参数来控制输出的类型（vennpie，upset等），默认为传统的韦恩图绘制，增加了类条形图的展示，同时调用了upsetR包绘制upset图，即更丰富了韦恩图的不同展示方式。大于5维韦恩图的首选。

Package：devtools::install_github("guokai8/VennDetail") # Or BiocManager::install("VennDetail")

9

花瓣图，ggplot or plotrix变相绘制

library(tidyverse)

library(ggplot2)

df<-data.frame(x=LETTERS[1:10],y=sample(1:20,10))

x<-1:180

y<-sin(10*x*pi/180)

df1<-data.frame(x1=x,y1=abs(y),var=gl(10,18,labels= LETTERS[1:10]))

merge(df1,df,by.x= 'var',by.y= 'x') %>%

mutate(new_y=y1*y) -> df2

ggplot(data=df2,aes(x=x,y=new_y))+

geom_area(aes(fill=var),

alpha=0.8,

color="black",

show.legend= F)+

coord_polar+theme_bw+

theme(axis.text.y= element_blank,

axis.ticks= element_blank,

panel.border= element_blank,

axis.title= element_blank)+

scale_x_continuous(breaks= seq(9,180,18),

labels= df$x)+

geom_text(data=df,aes(x=seq(9,180,18),

y=y+1,

label=y))

点评：目前未找到单纯的包来做花瓣图，但是可以搜索到不少写好的函数可以做，毕竟花瓣图相当于根据绘制数目得到多边形角度，然后绘制椭圆。花瓣图适合更多样品之间的韦恩图绘制，此时花瓣图丢失了更多的信息。

10

ggClusterNet网络韦恩图 （进阶版）

韦恩图的又一变种，网络韦恩图。

点评：网络图，可以将每个样品的具体基因或者物种等因子全部展示出来，更多的保留了原来的所有信息。此包其实类似与花瓣图的展示方式，丢失了统计信息，但是可以设置具体的因子信息。当然此包的优势在于其他网络图的上。

Package：devtools::install_github("taowenmicro/ggClusterNet")

11

limma包，vennDiagram函数

点评：这个包基本上可以略过，主要功能也不是为了绘制韦恩图，需要输入计算分类好的0-1矩阵。

12

gplots包，venn函数

点评：很简洁的韦恩图绘制，无法设置颜色，很单调。亦可忽略。

以上为目前搜集到的所有R包绘制维恩图方式，当然存在更多的方式绘制，比如ggvenn包，样式都是殊途同归，一切都在探索中、更新中。

综 述

韦恩图2-5维度，优选VennDiagram包或ggVennDiagram包，5-10维可选择upsetR包，大于10维考虑花瓣图，即网络上可找到的flower_plot函数。若需要其他变种，可以考虑VennDetail或韦恩网络图。

转自：百迈克生物