ComplexUpset绘图intersect参数报错：列名重复问题排查与解决

问题描述 #

使用R语言的ComplexUpset包绘制Upset图时，指定intersect参数对应列且未剔除user_id、group这类无关变量时，始终报错：data must be uniquely named but has duplicate columns。附带的最小示例代码如下：

library(ComplexUpset)
library(ggplot2)
library(dplyr)

data <- data.frame(
  user_id = c(1, 2, 3, 4, 5),
  group = c("A", "B", "A", "B", "A"),
  likes_Action = c(1, 0, 1, 0, 1),
  likes_Comedy = c(0, 1, 1, 0, 1),
  likes_Drama = c(1, 1, 0, 0, 1),
  likes_Thriller = c(1, 0, 1, 1, 0),
  likes_SciFi = c(0, 1, 0, 1, 1),
  likes_Horror = c(1, 0, 0, 1, 0),
  likes_Adventure = c(1, 1, 0, 1, 1),
  likes_Romance = c(0, 0, 1, 0, 1)
)

colnames(data) <- c("user_id", "group", "Action", "Comedy", "Drama", "Thriller", "SciFi", "Horror", "Adventure", "Romance")

genre <- colnames(data[3:ncol(data)])
genre

data[genre] = data[genre] == 1

upset(
  data = movie_data, 
  intersect = genre
)

错误根源 #

1. 代码笔误：示例中upset函数调用时传入了不存在的movie_data对象，正确的数据集名称是data，这是最可能引发错误的直接原因。
2. 重复列名问题：ComplexUpset的upset函数会强制检查数据列名的唯一性，若实际数据中存在重复列名，会触发该报错。
3. 版本兼容问题：旧版本的ComplexUpset在处理包含非布尔型元数据列（如user_id、group）的数据集时，可能存在内部列名冲突的bug。

正确解决方法 #

1. 修正代码笔误 #

将upset函数中的movie_data改为实际数据集名称data。

2. 检查并清理重复列名 #

运行以下代码检查数据框是否存在重复列名，若存在则重命名：

# 检查重复列名
any(duplicated(colnames(data)))

# 若返回TRUE，自动给重复列添加后缀重命名
colnames(data) <- make.unique(colnames(data))

3. 正确指定intersect参数并处理元数据 #

如果需要保留user_id、group这类元数据列用于附加统计（如分组分布），可以明确指定base_annotations参数；如果不需要元数据，直接传入仅包含交集列的子集即可。

保留元数据的完整示例代码

library(ComplexUpset)
library(ggplot2)
library(dplyr)

# 创建数据集
data <- data.frame(
  user_id = c(1, 2, 3, 4, 5),
  group = c("A", "B", "A", "B", "A"),
  likes_Action = c(1, 0, 1, 0, 1),
  likes_Comedy = c(0, 1, 1, 0, 1),
  likes_Drama = c(1, 1, 0, 0, 1),
  likes_Thriller = c(1, 0, 1, 1, 0),
  likes_SciFi = c(0, 1, 0, 1, 1),
  likes_Horror = c(1, 0, 0, 1, 0),
  likes_Adventure = c(1, 1, 0, 1, 1),
  likes_Romance = c(0, 0, 1, 0, 1)
)

# 修改列名
colnames(data) <- c("user_id", "group", "Action", "Comedy", "Drama", "Thriller", "SciFi", "Horror", "Adventure", "Romance")

# 提取用于交集的列名
genre <- colnames(data[3:ncol(data)])

# 将数值型0/1转换为逻辑型
data[genre] <- data[genre] == 1

# 正确调用upset函数，添加分组统计注释
upset(
  data = data, 
  intersect = genre,
  base_annotations = list(
    '分组分布' = aes(x = intersection, fill = group) + geom_bar(position = 'dodge')
  )
)

仅使用交集列的简化示例

# 只传入需要用于交集的列
upset(
  data = data[, genre], 
  intersect = genre
)

4. 更新ComplexUpset版本 #

如果是旧版本的bug导致的报错，运行以下命令更新包：

install.packages("ComplexUpset")

内容的提问来源于stack exchange，提问作者kasimir_49