技术贴│R语言13种相关矩阵图

会员服务 ·

技术贴│R语言13种相关矩阵图

2018 年 11 月 26 日 R语言中文社区

作者简介Introduction

郑连虎，在数学学院取得理学学位的文科生，中国人民大学硕博连读生在读，山东大学管理学学士、理学学士

个人公众号：阿虎定量笔记

文章（技术贴│Stata回归图表美化）推送之后，有读者问我，能不能给相关系数的报告也美化一下？当然没问题，这期我来介绍用R语言中的5个程序包，绘制13种相关系数矩阵，13种哦~图后直接上代码。

本期使用R语言内置数据集进行练习；查看R包含哪些内置数据，请使用“data()”函数：

我们使用这里面的“mtcars”数据，

包含“mpg”、“cyl”、“disp”、“hp”、“drat”等11个变量的汽车道路测试数据；在R中读取内置数据，直接输入数据名称即可：

corrplot包

# 安装corrplot包并调用

install.packages("corrplot")

library(corrplot)

第1种：简单粗暴

蓝色表示两个变量呈正相关，红色表示变量呈负相关。色彩越深，表示变量相关性越大：

# 计算相关系数

mycor<-cor(mtcars)

# 删除缺失值或字符变量

use="complete.obs"

# 输出为mycor且保留两位小数

round(mycor,digits=2)

# 绘制相关系数矩阵图

corrplot(mycor, method = "shade",shade.col = NA, tl.col ="black", tl.srt = 45, order = "AOE")

第2种：圆圈图

蓝色表示两个变量呈正相关，红色表示变量呈负相关。色彩越深，表示变量相关性越大：

# 计算相关系数

mycor <- cor(mtcars)

# 绘制相关系数矩阵图

corrplot(mycor, method="circle")

第3种：带系数的椭圆图

椭圆越扁，表示相关系数的绝对值较大；椭圆越圆，表示相关系数的绝对值较小；椭圆长轴的方向表示相关系数的正负：右上-左下方向对应正值，左上－右下方向对应负值：

# 计算相关系数

mycor <- cor(mtcars)

# 绘制相关系数矩阵图

corrplot.mixed(mycor, upper = "ellipse")

第4种：三角圆圈图

# 计算相关系数

mycor <- cor(mtcars)

# 绘制相关系数矩阵图

corrplot(mycor, method="circle",type="upper",order="hclust")

第5种：三角颜色图

# 计算相关系数

mycor <- cor(mtcars)

# 绘制相关系数矩阵图

corrplot(mycor,method="color",type="upper",order="hclust",addCoef.col = "black")

corrgram包

# 安装iterators包并调用

install.packages("iterators")

library(iterators)

# 安装corrgram包并调用

install.packages("corrgram")

library(corrgram)

第6种：添加斜线

蓝色和从左下指向右上的斜杠表示两个变量呈正相关，红色和从左上指向右下的斜杠表示变量呈负相关。色彩越深，表示变量相关性越大：

# 绘制相关系数矩阵图

corrgram(mtcars, lower.panel=panel.shade, upper.panel=NULL,text.panel=panel.txt, main="Car Mileage Data (unsorted)")

第7种：添加饼图

上三角区域使用饼图表示相关系数；蓝色和从12点钟处开始顺时针填充饼图表示两个变量呈正相关，红色和逆时针方向填充饼图表示变量负相关：

# 绘制相关系数矩阵图

corrgram(mtcars, order=TRUE, lower.panel=panel.shade, upper.panel=panel.pie,text.panel=panel.txt, main="Correlogram of mtcar intercorrelations")

第8种：添加拟合曲线与置信椭圆

下三角区域使用平滑拟合曲线和置信椭圆，上三角区域使用散点图：

# 绘制相关系数矩阵图

corrgram(mtcars, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts,text.panel=panel.txt, diag.panel=panel.minmax, main="Correlogram of mtcardata using scatterplots and ellipses")

ellipse包

# 安装ellipse包并调用

install.packages("ellipse")

library(ellipse)

第9种：椭圆图

# 绘制相关系数矩阵图

col = colors[as.vector(apply(cor, 2, rank))]

plotcorr(cor, col = col, mar = rep(0, 4))

第10种：颜色图

蓝色表示正相关系数，红色表示负相关系数：

# 计算相关系数

fit = lm(mpg ~ ., mtcars)

cor = summary(fit, correlation = TRUE)$correlation

# 相关阵上下倒转再转置

cor2 = t(cor[11:1, ])

# 绘制相关系数矩阵图

colors = c("#A50F15", "#DE2D26","#FB6A4A", "#FCAE91","#FEE5D9","white", "#EFF3FF","#BDD7E7", "#6BAED6", "#3182BD","#08519C")

image(1:11, 1:11, cor2, axes = FALSE, ann = F, col = colors)

text(rep(1:11, 11), rep(1:11, each = 11), round(100 * cor2))

GGally包

# 安装GGally包并调用

install.packages("GGally")

library(GGally)

第11种：三角颜色图

# 绘制相关系数矩阵图

ggcorr(mtcars, label = TRUE, label_alpha = TRUE)

第12种：添加相关类型

# 绘制相关系数矩阵图

ggpairs(mtcars, columns = c("mpg", "cyl", "disp"),upper = list(continuous = wrap("cor", size = 10)), lower =list(continuous = "smooth"))

PerformanceAnalytics包

# 安装PerformanceAnalytics包并调用

install.packages("PerformanceAnalytics")

library(PerformanceAnalytics)

第13种：添加直方图、散点图与P值

显示相关系数大小、相关系数显著性检验的P值、变量的直方图与变量间的散点图：

# 列出待计算变量

mydata <-mtcars[c('mpg','cyl','disp','hp','drat')]

# 绘制相关系数矩阵图

chart.Correlation(mydata, histogram=TRUE, pch=19)

本期参考文献

[1] Robert I. Kabacoff. R in Action-Data analysis and graphics with R. Manning Publications Co. 2015: 283-287.

精彩回顾

公众号后台回复关键字即可学习

回复爬虫         爬虫三大案例实战
回复 Python 1小时破冰入门

回复数据挖掘   R语言入门及数据挖掘
回复人工智能   三个月入门人工智能
回复数据分析师  数据分析师成长之路
回复机器学习      机器学习的商业应用
回复数据科学      数据科学实战
回复常用算法      常用数据挖掘算法