1 用GGally包绘制关联图

1.1 散点矩阵图

用ggpairs()函数绘制，变量的散点图显示在矩阵的左边部分，皮尔逊相关关系显示在右边，对角线上的图为各个变量分布图。

# 加载R包
> library(ggplot2)
> library(GGally)# 创建数据
> data <- data.frame( var1 = 1:100 + rnorm(100,sd=10), var2 = 1:100 + rnorm(100,sd=27), var3 = rep(1, 100) + rnorm(100, sd = 1))
> data$var4 = data$var1 ** 3
> data$var5 = -(data$var1 ** 2)
> data$var6 = data$var2 **2# 绘制关联图
> ggpairs(data, title="correlogram")

OUTPUT:

若需要颜色区分则可运用ggplot2

> data(flea)
> ggpairs(flea, columns = 2:4, ggplot2::aes(colour=species))

OUTPUT:

若要改变在关联图的每个部分上使用的图的类型，可以用upper参数以及lower参数完成

> data(tips, package = "reshape")
> ggpairs(
+     tips[, c(1, 4, 3, 2)],
+     upper = list(continuous = "density", combo = "box_no_facet"),
+     lower = list(continuous = "points", combo = "dot_no_facet")
+ )

OUTPUT:

1.2 相关关系图

用ggcorr()函数绘制，显示每对变量的相关关系图。method参数可以选择想要的相关类型，如皮尔逊相关。

# 加载R包
> library(ggplot2)
> library(GGally)# 创建数据
> data <- data.frame( var1 = 1:100 + rnorm(100,sd=10), var2 = 1:100 + rnorm(100,sd=27), var3 = rep(1, 100) + rnorm(100, sd = 1))
> data$var4 = data$var1 ** 3
> data$var5 = -(data$var1 ** 2)
> data$var6 = data$var2 **2# 绘制关联图
> ggcorr(data, method = c("everything", "pearson"))

OUTPUT:

2 用Corrgram包绘制关联图

用corrgram()函数可以选择在图的上部、下部和对角线显示：散点图、饼图、文本、椭圆、方形图等。panel.ellipse显示椭圆，panel.shade用于显示彩色的方块，panel.pie显示饼状图，panel.pts显示散点图。

# 加载R包
> install.packages("corrgram")
> library(corrgram)# 选择mtcars数据绘制
> corrgram(mtcars, order=TRUE, lower.panel=panel.shade, upper.panel=panel.pie, text.panel=panel.txt, main="Car Milage Data")

OUTPUT:

# 加载R包
> install.packages("corrgram")
> library(corrgram)# 选择mtcars数据绘制
> corrgram(mtcars, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts, text.panel=panel.txt, diag.panel=panel.minmax, main="Car Milage Data")

OUTPUT:

# 加载R包
> install.packages("corrgram")
> library(corrgram)# 选择mtcars数据绘制
> corrgram(mtcars, order=NULL, lower.panel=panel.shade, upper.panel=NULL, text.panel=panel.txt, main="Car Milage Data")

OUTPUT:

3 用ellipse包绘制关联图

使用R的cor()函数计算数据集的相关矩阵,通过plotcorr()函数来建立一个相关图，同时用RColorBrewer包设置颜色，每个相关将被plotcorr()函数表示为一个椭圆。颜色、形状和方向取决于相关值。

# 下载并加载R包
> install.packages("ellipse")
> library(ellipse)
> library(RColorBrewer)# 数据设置
> data <- cor(mtcars)# 颜色设置
> colors <- brewer.pal(3, "Spectral")
> colors <- colorRampPalette(colors)(90)# 绘图
> ord <- order(data[1, ])
> data_ord <- data[ord, ord]
> plotcorr(data_ord , col=colors[data_ord*50+50] , mar=c(1,1,1,1)  )

OUTPUT:

4 直接用plot函数绘制散点图矩阵

# 数据设置
> data <- mtcars[ , c(1:6)]# 绘制散点关联图
> plot(data , pch=20 , cex=1.5 )

OUTPUT:

R | 可视化 | 关联图（Correlogram）相关推荐

R可视化雷达图（Radar Charts）
R可视化雷达图(Radar Charts) 目录 R可视化雷达图(Radar Charts) R中的基本雷达图 R自定义雷达图
python画相关性可视化图_Python 可视化 | 关联图 - 散点图1
什么是关联图? 关联图是查找两个事物之间关系的图像,他能为我们展示出一个事物随着另一个事物的变化如何变化. 典型的关联图有:折线图.散点图.相关矩阵等我们什么时候会需要关联图? 1.数据报告 &am ...
R | 可视化 | 热图（Heatmap）
1 基础绘制 R绘制热图时,数据需要输入一个矩阵,可以用as.matrix()把它转换成矩阵.这里利用R自带的数据集绘制热图. > # 数据 > data <- as.matrix( ...
Python 可视化 | 关联图 - 散点图1
点击上方"咸鱼学Python",选择"加为星标" 第一时间关注Python技术干货! 什么是关联图? 关联图是查找两个事物之间关系的图像,他能为我们展示出一个事 ...
R语言ggplot2可视化箱图（boxplot）并使用ggsignif添加分组显著性（significance）标签
R语言ggplot2可视化箱图(boxplot)并使用ggsignif添加分组显著性(significance)标签目录 R语言ggplot2可视化箱图(boxplot)并使用ggsignif添加显 ...
R语言ggplot2可视化密度图（density plot）、改变密度图下的填充色实战
R语言ggplot2可视化密度图(density plot).改变密度图下的填充色实战目录 R语言ggplot2可视化密度图(density plot).改变密度图下的填充色实战
R语言ggplot2可视化：可视化华夫饼图(Waffle Chart) 、华夫饼图可以直观地显示完成度（百分比）或者部分占整体的比例、华夫饼图适合于同类型指标的比较（Waffle Chart）
R语言ggplot2可视化:可视化华夫饼图(Waffle Chart) .华夫饼图可以直观地显示完成度(百分比)或者部分占整体的比例.华夫饼图适合于同类型指标的比较(Waffle Chart) 目录
R语言plotly可视化：plotly可视化箱图、相同数据集对比使用不同分位数算法的可视化差异（quartilemethod参数、linear、inclusive、exclusive）
R语言plotly可视化:plotly可视化箱图.相同数据集对比使用不同分位数算法的可视化差异(quartilemethod参数.linear.inclusive.exclusive) 目录
R语言ggplot2可视化可视化聚类图、使用geom_encircle函数绘制多边形标定属于同一聚类簇的数据点、并自定义每个聚类簇数据点的颜色、多边形框的颜色（Cluster Plot）、主副标题题注
R语言ggplot2可视化可视化聚类图.使用geom_encircle函数绘制多边形标定属于同一聚类簇的数据点.并自定义每个聚类簇数据点的颜色.多边形框的颜色(Cluster Plot).主副标题题注 ...

R | 可视化 | 关联图（Correlogram）

1 用GGally包绘制关联图

1.1 散点矩阵图

1.2 相关关系图

2 用Corrgram包绘制关联图

3 用ellipse包绘制关联图

4 直接用plot函数绘制散点图矩阵

R | 可视化 | 关联图（Correlogram）相关推荐

最新文章

热门文章