分析数据间的关系

散点矩阵图

如果数据框是多维数据，那么plot函数将绘制出两两之间散点图组合成为散点矩阵图(matrix of scatterplots)。散点矩阵图将多个散点图组合起来，以便可以同时浏览多个二元变量关系，一定程度上克服了在平面上展示高维数据分布情况的困难。

示例：plot函数

plot(iris[,：4])

pairs函数参数

参数解释

x数值型的矩阵或者数据框，作为散点的坐标，逻辑性和因子型会自动转换成为数据值数据

data：提供formula数据的数据框

labels：变量的名称

panel：面板数据的展示方式，默认为points散点

subset：一个可选的响铃，指定用于绘制图形的数据子集

na.action：对于缺失值的处理方式，默认为跳过缺失值

formu：公式，形如~x+y+z其中x,y,z是数据框的列名，作为散点矩阵图的坐标，其对应的列必须是数值型数据

散点矩阵图

示例：iris数据集为例，用pairs函数绘制散点矩阵图

多变量相关矩阵图

多变量相关矩阵图是相关系数矩阵(correlation matrix)的可视化结果，显示了两两变量间的相关关系，对数据维度相对较大的数据有较好的展示效果。

在R的corrgram包中的corrgram函数可绘制多变量相关矩阵图。使用格式如下所示。

corrgram(x,order=, lower.panel= , upper.panel=,text.panel=,diag.panel=,…)corrgram(x,order=,lower.panel=,upper.panel=,text.panel=,diag.panel=,)

corrgram函数参数

参数解释

x：每行作为一个观测值的数据框或者相关系数的矩阵

order：变量排序，默认FALSE，相关矩阵按数据框名对变量排序，当order为TRUE时，相关矩阵将使用主成分分析法对变量重排序，这将使得二元变量的关系模式更为明显

lower.panel：主对角线下方的元素类型，取值panel.pie，用饼图的填充比例来表示相关性大小，

panel.shade用阴影的深度来表示相关性大小，

panel.ellipse 绘制置信椭圆和平滑拟合曲线，

panel.pts绘制散点图，

panel.conf绘制置信区间，

panel.cor绘制相关系数

panel.pie用饼图的填充比例表示相关性的大小

upper.panel：主对角线上方的元素类型，取值同上

text.panel：取值panel.txt输出的变量名字

diag.panel：控制着主对角线元素类型panel.minmax输出变量的最大最小值

多变量相关矩阵图

示例：mtcars数据集绘图

library(corrgram)corrgram(mtcars, order=TRUE, upper.panel=panel.ellipse, main=“Correlogram of mtcars intercorrelations”)

# 相关图，主对角线上方绘制置信椭圆和平滑拟合曲线，主对角线下方绘制阴影

corrgram(mtcars, order=TRUE, upper.panel=panel.pts, lower.panel=panel.pie, main=“Correlogram of mtcars intercorrelations”)

# 相关图，主对角线上方绘制散点图，主对角线下方绘制饼图

corrgram(mtcars, order=TRUE, upper.panel=panel.conf, lower.panel=panel.cor, main=“Correlogram of mtcars intercorrelations”)

# 相关图，主对角线上方绘制置信区间，主对角线下方绘制相关系数

●句子

●JAVA

●C语言以及算法笔记

●大学生生活图鉴

●JavaScript

●计算机网络原理

●计算机组成原理

●操作系统

●数据库系统概论

●数据结构

●英语

●R语言

●Linux

●人生哲学以及电竞

●云计算与人工智能

●新媒体运营以及各种资源分享

●明星电视剧社会现象娱乐

仙女都在看点点点，赞和在看都在这儿！