上一期（Stata回歸圖表美化）推送之后，有讀者問我，能不能給相關(guān)系數(shù)的報(bào)告也美化一下？當(dāng)然沒問題，這期我來介紹用R語(yǔ)言中的5個(gè)程序包，繪制13種相關(guān)系數(shù)矩陣，13種哦~圖后直接上代碼。

本期使用R語(yǔ)言內(nèi)置數(shù)據(jù)集進(jìn)行練習(xí)；查看R包含哪些內(nèi)置數(shù)據(jù)，請(qǐng)使用“data()”函數(shù)：

我們使用這里面的“mtcars”數(shù)據(jù)，包含“mpg”、“cyl”、“disp”、“hp”、“drat”等11個(gè)變量的汽車道路測(cè)試數(shù)據(jù)；在R中讀取內(nèi)置數(shù)據(jù)，直接輸入數(shù)據(jù)名稱即可：

corrplot包

# 安裝corrplot包并調(diào)用

install.packages('corrplot')

library(corrplot)

第1種：簡(jiǎn)單粗暴

藍(lán)色表示兩個(gè)變量呈正相關(guān)，紅色表示變量呈負(fù)相關(guān)。色彩越深，表示變量相關(guān)性越大：

# 計(jì)算相關(guān)系數(shù)

mycor<>

# 刪除缺失值或字符變量

use='complete.obs'

# 輸出為mycor且保留兩位小數(shù)

round(mycor,digits=2)

# 繪制相關(guān)系數(shù)矩陣圖

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

第2種：圓圈圖

藍(lán)色表示兩個(gè)變量呈正相關(guān)，紅色表示變量呈負(fù)相關(guān)。色彩越深，表示變量相關(guān)性越大：

# 計(jì)算相關(guān)系數(shù)

mycor <->

# 繪制相關(guān)系數(shù)矩陣圖

corrplot(mycor, method='circle')

第3種：帶系數(shù)的橢圓圖

橢圓越扁，表示相關(guān)系數(shù)的絕對(duì)值較大；橢圓越圓，表示相關(guān)系數(shù)的絕對(duì)值較?。粰E圓長(zhǎng)軸的方向表示相關(guān)系數(shù)的正負(fù)：右上-左下方向?qū)?yīng)正值，左上－右下方向?qū)?yīng)負(fù)值：

# 計(jì)算相關(guān)系數(shù)

mycor <->

# 繪制相關(guān)系數(shù)矩陣圖

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

第4種：三角圓圈圖

# 計(jì)算相關(guān)系數(shù)

mycor <->

# 繪制相關(guān)系數(shù)矩陣圖

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

第5種：三角顏色圖

# 計(jì)算相關(guān)系數(shù)

mycor <->

# 繪制相關(guān)系數(shù)矩陣圖

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

corrgram包

# 安裝iterators包并調(diào)用

install.packages('iterators')

library(iterators)

# 安裝corrgram包并調(diào)用

install.packages('corrgram')

library(corrgram)

第6種：添加斜線

藍(lán)色和從左下指向右上的斜杠表示兩個(gè)變量呈正相關(guān)，紅色和從左上指向右下的斜杠表示變量呈負(fù)相關(guān)。色彩越深，表示變量相關(guān)性越大：

# 繪制相關(guān)系數(shù)矩陣圖

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

第7種：添加餅圖

上三角區(qū)域使用餅圖表示相關(guān)系數(shù)；藍(lán)色和從12點(diǎn)鐘處開始順時(shí)針填充餅圖表示兩個(gè)變量呈正相關(guān)，紅色和逆時(shí)針方向填充餅圖表示變量負(fù)相關(guān)：

# 繪制相關(guān)系數(shù)矩陣圖

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

第8種：添加擬合曲線與置信橢圓

下三角區(qū)域使用平滑擬合曲線和置信橢圓，上三角區(qū)域使用散點(diǎn)圖：

# 繪制相關(guān)系數(shù)矩陣圖

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

# 安裝ellipse包并調(diào)用

install.packages('ellipse')

library(ellipse)

第9種：橢圓圖

橢圓越扁，表示相關(guān)系數(shù)的絕對(duì)值較大；橢圓越圓，表示相關(guān)系數(shù)的絕對(duì)值較??；橢圓長(zhǎng)軸的方向表示相關(guān)系數(shù)的正負(fù)：右上-左下方向?qū)?yīng)正值，左上－右下方向?qū)?yīng)負(fù)值：

# 繪制相關(guān)系數(shù)矩陣圖

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

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

第10種：顏色圖

藍(lán)色表示正相關(guān)系數(shù)，紅色表示負(fù)相關(guān)系數(shù)：

# 計(jì)算相關(guān)系數(shù)

fit = lm(mpg ~ ., mtcars)

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

# 相關(guān)陣上下倒轉(zhuǎn)再轉(zhuǎn)置

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

# 繪制相關(guān)系數(shù)矩陣圖

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

# 安裝GGally包并調(diào)用

install.packages('GGally')

library(GGally)

第11種：三角顏色圖

# 繪制相關(guān)系數(shù)矩陣圖

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

第12種：添加相關(guān)類型

# 繪制相關(guān)系數(shù)矩陣圖

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

PerformanceAnalytics包

# 安裝PerformanceAnalytics包并調(diào)用

install.packages('PerformanceAnalytics')

library(PerformanceAnalytics)

第13種：添加直方圖、散點(diǎn)圖與P值

顯示相關(guān)系數(shù)大小、相關(guān)系數(shù)顯著性檢驗(yàn)的P值、變量的直方圖與變量間的散點(diǎn)圖：

# 列出待計(jì)算變量

mydata <>

# 繪制相關(guān)系數(shù)矩陣圖

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

本期參考文獻(xiàn)

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