使用python繪製Upset plot

 Upset plot將集合視覺化，特別是當集合數大於5的時候，Upset plot相較於Venn plot可以更清楚的呈現。

Upset plot來自於Venn plot的變化，Venn plot較常用於生物資訊呈現(圖1-3)，但是往往會遇到集合數太多不易呈現的情況，從下圖可清楚看到當集合數為4的時候，畫面已經有些複雜，所以Venn plot的缺點就是當集合數過多時，畫面所呈現的資訊反而會造成視覺上的負擔，增加訊息解讀的困難性，失去視覺化的意義—方便閱讀，因此當集合數≥5時不建議使用Venn plot，而後衍生出Upset plot。Upset plot優勢在於當集合數≥5時可以清楚呈現資訊，不會造成視覺上的混亂。

2020年影響全球的COVID-19，在面對未知的流行病時沒有人可以確定真正有效的治療物，因此優先挑出具有高度可能性的藥物，嘗試用於治療病患，在高度不確定性的情況下會產生多種治療組合，這樣的情況就很適合採用Upset plot呈現Real World用藥資料，這裡有一篇發表於CANCER DISCOVERY的文章，這是一個很好的實務範例(圖4)，以下擷取這篇paper的部份數據，簡單的做個Upset plot。

操作步驟

1.選定主題，準備素材

以這篇文章中的數據來畫Upset plot圖。開始執行前，需要先安裝Upset plot的套件。在Window環境下，開起命令提示字元，輸入pip install upsetplot，安裝完成後，就可進入繪圖步驟。

 

2.繪製Upset plot

這邊帶入paper中前10筆的數據。

from upsetplot import generate_counts
from upsetplot import plot
from upsetplot import from_memberships

example = from_memberships([['Azithromycin','Hydroxychloroquine'],
                            ['Hydroxychloroquine'],['Azithromycin'],
                            ['Remdesivir'],
                            ['Corticosteroids','Azithromycin','Hydroxychloroquine'],
                            ['Corticosteroids'],['Tocilizumab','Hydroxychloroquine'],
                            ['Tocilizumab','Azithromycin','Hydroxychloroquine'],
                            ['Other'],['Remdesivir','Azithromycin'],],
                           data=[203,179,160,57,24,18,18,18,15,15])
plot(example,show_counts='%d',sort_by="cardinality") 
plt.savefig('upsetplot.png')
plt.show()

在繪圖時可以下排序指令sort_by，這邊有2種方式，cardinality跟degree，cardinality會讓資料由大至小做排序，而degree則是依照交集數的多寡做排序，由交集少的至交集多。

雖然有多種藥物組合使用，看似相當複雜，但利用Upset plot呈現，可以讓讀者快速且清楚了解藥物使用分布情況。