今天在绘图时，打算绘制vennplot，我的第一反应就是使用软件来绘制，比如是TBtools工具，以及相关的网站。这些都是比较方便的，但是有弊端就是这些只能绘制小于等于6个类的vennplot。

TBtools确实是比较好用的，我能使用它的基本不自己找代码，这个主要还是针对Vennplot和圈图等。

做出来的图也是可以自动调整，类似的软件还是比较多的。

02.png

除此以外，就是使用在线网址，也是有很多的在线网站供我们使用，这里推荐的是专门绘制vennplot的网址，该在线工具发表在Journal of Genetics and Genomics，有很多类型的vennplot玩法，还是比较推荐的。

网址：http://www.ehbio.com/test/venn/

05.png

03.png

04.png

但是，常使用别人的工具，仍是一个短板吧。比如，现在的我，我要画的vennplot是大于6个类的，那该怎么办呢！此时，我依稀记得我在很久以前寻宝似的找到一批码，可以满足我的需求，那就进行搜索，还好当时进行保留。

VennPlot 代码

首先还是先分享一下码吧！！

  setwd("位置") # 安装R包 # ##############################
# if (!requireNamespace("VennDiagram", quietly = TRUE))
# install.packages("VennDiagram",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# if (!requireNamespace("ggplot2", quietly = TRUE))
# install.packages("ggplot2",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# if (!requireNamespace("venn", quietly = TRUE))
# install.packages("venn",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# if (!requireNamespace("RColorBrewer", quietly = TRUE))
# install.packages("RColorBrewer",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# if (!requireNamespace("data.table", quietly = TRUE))
# install.packages("data.table",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# ################################
# 
# ##

library(VennDiagram)
library(ggplot2)
library(venn)
library(RColorBrewer)
## 自定义函数 ## 快速读入数据 readFlie=function(input,type,row=T,header=T){
  # input 为读入文件的路径，type为读入文件的类型，格式为‘.txt’或‘.csv’,row=T,将文件的第一列设置为列名 library(data.table,quietly =  TRUE)
  if(type=='txt'){
 dat =  fread(input,header = header,sep='\t',stringsAsFactors = F,check.names = F)
  if(row){
 dat =  as.data.frame(dat,stringsAsFactors = F)
  rownames(dat) = dat[,1]
 dat = dat[,-1]
 }else{
 dat =  as.data.frame(dat,stringsAsFactors = F)
 }
 }else{
 dat =  fread(input,header = header,sep=',',stringsAsFactors = F,check.names = F)
  if(row){
 dat =  as.data.frame(dat,stringsAsFactors = F)
  rownames(dat) = dat[,1]
 dat = dat[,-1]
 }else{
 dat =  as.data.frame(dat,stringsAsFactors = F)
 }
 }
  return(dat)
}

## 绘制venn图 wn_venn=function(list,col='black'){
  # 定义颜色体系 library(RColorBrewer,quietly =  TRUE)
  #corlor = brewer.pal(8,'Dark2')
 corlor =  brewer.pal(8,"Accent")
  # 绘制Venn图 library(VennDiagram, quietly=TRUE)
  library(venn,quietly =  TRUE)
  if(length(list)<=11){
  if(length(list)<=4){
 graphics=venn.diagram(list,filename=NULL,fill = corlor[1:length(list)],
  col = col,alpha =  0.5, cat.cex =  1.5,rotation.degree =  0)
  grid.draw(graphics)
 }else  if(length(list)==5){
 graphics=venn(list, zcolor = corlor[1:length(list)],box=F,ellipse =TRUE,cexil =  1, cexsn =  1)
 }else{
 graphics=venn(list, zcolor = corlor[1:length(list)],box=F,cexil =  1, cexsn =  1)
 }
  return(graphics)
 }else{
  print('The function only supports data of dimension 7 and below.')
 }
}
## 保存图片,只支持ggplot对象 savePlots=function(path,plot,type=c('pdf','png','tiff')[1],width=10,height=8,dpi=300){
  # path表示保存图片路径,需要加上相应的文件扩展名称 library(ggplot2)
  if(type=='pdf'){
  ggsave(filename = path,plot = plot,width = width,height = height,device =  'pdf')
 }else  if(type=='png'){
  ggsave(filename = path,plot = plot,width = width,height = height,device =  'png',dpi = dpi)
 }else{
  ggsave(filename = path,plot = plot,width = width,height = height,device =  'tiff',dpi = dpi)
 }
}

# 读入数据 df =  readFlie('df_test.txt',type =  'txt',row = F)
# 抽取数据，制造测试数据 head(df)
df_list =  list('set01'=sample(df$set01),'set02'=sample(df$set02),
  'set03'=sample(df$set03),'set04'=sample(df$set04),
  'set05'=sample(df$set05),'set06'=sample(df$set06),
  'set07'=sample(df$set07),'set07'=sample(df$set07),
  'set08'=sample(df$set08),'set09'=sample(df$set09),
  'set10'=sample(df$set10),'set11'=sample(df$set11))
# 绘制venn图 ## 4维veen图 fg_4 =  wn_venn(df_list[1:4])
## 5维veen图 fg_5 =  wn_venn(df_list[1:5])
## 6维venn图 fg_6 =  wn_venn(df_list[1:6])+theme(text =  element_text(size =  12))
## 7维veen图 fg_7 =  wn_venn(df_list[1:7])+theme(text =  element_text(size=12))
## 8维veen图 fg_8 =  wn_venn(df_list[1:8])+theme(text =  element_text(size=12))
# 保存图片ePlots(path = './fg_4.pdf',plot = fg_4,type = 'pdf',width = 10,h10,height = 10vePlots(path = './fg_4.png',plot = fg_4,tye = 'png',width = 10,height = 10,dpi = 300) savePlots(path =  './fg_4.tiff',plot = fg_4,type =  'tiff',width =  10,height =  10,dpi =  600)
savePlots(path =  './fg_5.tiff',plot = fg_5,type =  'tiff',width =  10,height =  10,dpi =  600)
savePlots(path =  './fg_6.tiff',plot = fg_6,type =  'tiff',width =  10,height =  10,dpi =  600)
savePlots(path =  './fg_7.tiff',plot = fg_7,type =  'tiff',width =  10,height =  10,dpi =  600)

pdf('./fg5.pdf',width =  10,height =  10)
fg_5 =  wn_venn(df_list[1:5])
dev.off()
######

这个码，基本可以无限次的画哦，只要你的类多的话。

只要你给的颜色足够，你的vennplot可以支持无数个类。

在这里，给的颜色只有8个，所以后面的图形是无法绘制，我们可以自定义颜色。

06.png

最终图形：

合图.jpg

ENDING !!!

--

@小杜的生信筆記 ，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料！