• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Truco R: Creación de diagramas de Venn en R

septiembre 30, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Los diagramas de Venn es una gráfica en la que se muestran las relaciones entre diferentes colecciones de conjuntos. En estos diagramas los conjuntos se representan como regiones cerradas y las intersecciones indican el grado de relación. Veamos cómo se pueden crear fácilmente diagramas de Venn en R.

Paquete eulerr

Para la creación de los diagramas de Venn en R vamos a utilizar el paquete eulerr. Un paquete, que, si no tenemos instalado, se puede instalar desde el CRAN con el comando:

install.packages("eulerr")

Publicidad


Creación del diagrama de Venn

Ahora para crear el diagrama de Venn necesitamos un conjunto de datos en el que indicamos el tamaño de los conjuntos y las relaciones. Lo que se hace con listas de pares de clave-valor, en los que la clave es el nombre del conjunto y el valor su tamaño. Para indicar las relaciones se usa claves que son la concatenación de los nombres de dos grupos unidos con &. Esto es, si tenemos un conjunto llamado “uno” y otro llamado “dos” los valores se asignan directamente a los nombres y la intersección de los dos grupos se indica con la clave “uno&dos”.

Una vez importados los datos, solamente se tiene que llamar a la función euler() del paquete eulerr para crear el diagrama de Venn. Una vez hecho esto se puede sacar por pantalla con la función plot(). Tal como se muestra en el siguiente código.

Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no)
En Analytics Lane
Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no)

library(eulerr)

data <- c(uno=100,
          dos=220,
          tres=150,
          "uno&dos"=24,
          "uno&tres"=10,
          "dos&tres"=22)
venn <- euler(data)

plot(venn)

Lo que genera un diagrama como el de la siguiente figura.

Diagramas de Venn generado con el código R del ejemplo
Diagramas de Venn generado con el código R del ejemplo

Conclusiones

Si necesitamos crear un diagramas de Venn, el paquete eulerr contiene una función con la que se puede crear una rápidamente. Usando para ello los valores reales.

Imagen de Theodor Moise en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no)
  • Hardening de SSH en Rocky Linux 9: cómo desactivar KEX débiles y reforzar la seguridad
  • Nueva herramienta en Analytics Lane: generador de contraseñas seguras y frases de contraseña
  • Hardening de NGINX en 2026: configuración segura básica paso a paso
  • ¿Qué métrica deberías mirar: exactitud, precisión o recall? Elegir bien empieza por entender el problema
  • Nueva calculadora DCA ajustada por inflación en el laboratorio de aplicaciones de Analytics Lane
  • Nuevo simulador FIRE en el laboratorio de aplicaciones de Analytics Lane
  • Nueva calculadora de préstamos e hipotecas en el laboratorio de aplicaciones de Analytics Lane
  • Hardening avanzado de NGINX: CSP, OCSP Stapling y defensa en profundidad

Publicado en: R Etiquetado como: Truco

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Nueva simulación de la estrategia Martingala en ruleta en el laboratorio de aplicaciones de Analytics Lane

abril 1, 2026 Por Daniel Rodríguez

Nuevo generador y verificador de hashes en el laboratorio de aplicaciones de Analytics Lane

marzo 31, 2026 Por Daniel Rodríguez

Hardening avanzado de NGINX: CSP, OCSP Stapling y defensa en profundidad

marzo 26, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • ¿Qué es el margen de error en una encuesta y por qué es importante? publicado el mayo 30, 2025 | en Ciencia de datos, Opinión
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Muestreo en Python publicado el junio 15, 2020 | en Ciencia de datos, Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto