R语言相关系数的可视化

R语言corrplot包中的corrplot()函数,提供了一整套对相关系数可视化的包,可很容易就将文字结果转化为图片,使您的报告更加光彩夺目,颜值瞬间上升几个档次。ggplot2是R语言可视化大杀器,自带的mtcars数据集收录了32辆汽车在11个指标上的数据。下面就以mtcars为例,讲解相关系数的可视化。


01

相关系数的计算

#在计算之前,首先安装两个安装包

install.packages("ggplot2")

install.packages("corrplot")

#加载安装包

library(ggplot2)

library(corrpolt)

#查看数据集

mtcars

图2 mtcars数据集基本情况


变量数较多,为了方便讲解,接下来我们只使用前5个变量进行相关性分析。

#计算前5个变量的相关系数

corr <- cor(mtcars[,1:5])

#查看相关系数

corr

图3 计算得到的相关系数矩阵


02

相关系数的可视化

#参数全部默认情况下的相关系数图

corrplot(corr = corr)

图4 默认情况下可视化结果

从结果可以看出,默认情况下的输出简单粗暴,只能通过颜色和大小看出大概的情况,并不能看出相关系数的具体数值。下面通过参数改变参数进行调节。

#指定数值方法的相关系数图

图5 文字结果可视化



结果为文字转化为图片而已,和SPSS输出没有多少差别,如果将两者结合起来,可能效果会更好。

#两者结合起来,看看效果

图6 两组结合可视化


相对好了很多,但是,这种方式下,有可能图片颜色覆盖了数值,是具体值难以辨认,我们发现,以对角线为届,两边的数值是对称的。如果将一般设置为数值,一般设置为图片,可能效果会好一些。

#首先画出右上部分图形

corrplot(corr = corr,order="AOE",type="upper",tl.pos="tp")

#再添加左下部分的数值

corrplot(corr = corr,add=TRUE, type="lower", method="number",order="AOE", col="black",diag=FALSE,tl.pos="n", cl.pos="n")

图7 调整结果



转载自:http://www.pinlue.com/article/2017/07/0518/443213523721.html


相关链接:

http://blog.sina.com.cn/s/blog_73b6c16e0102uw6n.html

https://rpubs.com/loness/183681

https://cosx.org/2009/03/correlation-matrix-visualization/

### R语言相关系数可视化代码示例 在R语言中,可以使用`corrplot`包来实现相关系数可视化。以下是一个完整的代码示例,展示如何生成一个三角热图[^3]: ```r # 加载必要的库 library(corrplot) # 示例数据集 df <- mtcars # 计算相关系数矩阵 cor_matrix <- cor(df) # 设置字体为 Times New Roman par(family = "Times New Roman") # 绘制相关系数热图 corrplot( cor_matrix, method = "square", # 使用方格图表示相关系数 type = "upper", # 只显示上三角部分 diag = TRUE, # 显示对角线(对角线值为1) addCoef.col = "black", # 在每个方格中添加相关系数数值,颜色为黑色 number.cex = 0.7, # 数值字体大小 tl.col = "black", # 标签颜色 tl.cex = 0.8, # 标签字体大小 tl.srt = 45, # x轴标签倾斜角度为45度 col = colorRampPalette(c("#67a9cf", "white", "#ef8a62"))(200), # 颜色渐变 mar = c(0, 0, 2, 0) # 调整边距 ) ``` 上述代码通过`corrplot`函数生成了一个上三角的相关系数热图,并设置了多种参数以优化可视化效果。颜色渐变从蓝色到白色再到橙色,表示相关系数从负到正的变化。 此外,还可以根据具体需求调整`method`参数(如`circle`、`color`等)或选择显示完整矩阵(将`type`设置为`full`)[^3]。 ### 相关系数可视化的作用 相关系数可视化能够直观地展示多个变量之间的相关性强度和方向,这对于探索性数据分析非常有用。通过热图,用户可以快速识别哪些变量之间存在强正相关、强负相关或无明显相关关系[^3]。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值