学会数据集合upset作图，从零开始。
其实，虽然我已经上了10次线下课，但是这种表现多个数据交集的图，一直都不会画。
最主要的原因就是，从来没有这个需求。但是今天我突发奇想，想要学习一下。我要连续更新六个月，那么有很多不想学的技能也会慢慢学会。
因为我现在不会，所以以下是我学习的过程。我将展示如何从零开始，学会这个图的绘制。
我在微信，google 检索了以"upset 集合 R"检索，
https://weixin.sogou.com/
浏览了一些帖子，发现有一个叫UpsetR的R包可以实现，还有一个基于ggplot2的图层可以实现，他包含在ggupset这个包里面。
此外，我常常看Y叔的公众号，也把他写过的相关帖子翻了出来阅读。
一图告诉你venn plot和upset plot的关系
转UpSet图为ggplot?
ggupset -- ggplot2版本的upset plot
有两种画法的时候，我会首先基于ggplot2的画法，因为后期可以添油加醋的活实在太多了。
1.找到ggupset的官方教程
https://github.com/const-ae/ggupset
2.运行教程中的例子，复现原图
library(ggupset)
library(dplyr)
library(ggplot2)
tidy_movies %>%
distinct(title, year, length, .keep_all=TRUE) %>%
ggplot(aes(x=Genres)) +
geom_bar() +
scale_x_upset(n_intersections = 20)
3.了解该包需要的数据格式
获取出图前的数据，并查看
dd1 <- tidy_movies %>%
distinct(title, year, length, .keep_all=TRUE)
最终发现，他需要的数据是个数据框，而且箭头那一列属于列表，这个是用
class函数看出来的。列表的内容最终变成了这个图的横坐标，是个分类变量。
4. 调整自己的数据变成那个格式
我想了想，自己有什么数据能用来展示呢？目前只有通路富集后的基因了。
load(file = "gene_pathway_membership.rda")
这个数据之前出现过，是个矩阵，而且是个逻辑矩阵。行名是通路富集的条目，列名是基因名称，TRUE代表这一列的基因在行对应的通路中。
理解了所需要的数据格式后，我做了如下操作
library(tibble)
library(tidyr)
library(dplyr)
## 调整数据格式
tidydata <- gene_pathway_membership %>%
as.data.frame() %>%
rownames_to_column("Pathway") %>%
gather(Gene, Member, -Pathway) %>%
filter(Member=="TRUE") %>%
select(- Member) %>%
group_by(Gene) %>%
summarize(Pathways = list(Pathway))
第一列是基因，第二列是列表，里面都是将来能用的很坐标，理解上面的代码，需要一行行拆解(请自行完成),用到的了gather，用到了之前讲到的
group_by联合summarize。
5.用调整好的数据画图
数据调整好了，画图是最简单的。
ggplot(tidydata,aes(x = Pathways)) +
geom_bar() +
scale_x_upset()
此时，我想尝试以另外一个R包UpsetR, 发现他需要的数据很直观：
他需要一个数据框，列名代表很坐标，行代表包含的内容，数据框内用0或者1代表包含关系。
我们用例子来说话，还是刚才的数据
现在要把逻辑矩阵变成数值矩阵，我们之前讲过，这里最简单的方法是乘以1
dd2 <- gene_pathway_membership*1
然后调整数据格式，实际上就是转置。
library(dplyr)
dd2 <- dd2 %>%
t() %>%
as.data.frame()
有了合适的数据，画图就是无脑操作。
UpSetR::upset(dd2,sets = colnames(dd2), keep.order = TRUE)
那现在的问题是，明显第二种方法要简单的得多啊，为什么要用第一种方法，因为第一种方法跟ggplot2兼容性比较好，可以作出很多变换，比如：
而且按照Y叔帖子里面说的，这时候还可以方便地把韦恩图嵌套进去。我们测试一下
先画upse图
p1 <- ggplot(tidydata,aes(x = Pathways)) +
geom_bar() +
theme_bw() +
theme(panel.border = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
axis.line = element_line(colour = "black"))+
scale_x_upset()
再画韦恩图
用得是yyplot里面得ggvenn函数，该函数的输入数据跟UpSetR::upset数据要求一样。
library(yyplot)
p2 <- yyplot::ggvenn(dd2)+
theme_void()+
theme(legend.position = "none")
图中嵌图
使用的是Y叔的ggimageR包。
library(ggimage)
p3 <- as.ggplot(p1) + geom_subview(subview = p2, x=.8, y=.75, w=.5, h=.5)
这样，我们就从零开始学会了一个upset作图。不过还有个疑问，其实我们手上也没有这种形式的数据啊？
这是由富集结果转换过来的。如何转换其实不是很难，我们下次碰到了真实数据再来搞。
我是果子，明天见，而且明天还有大事发生。
