R語言相關係數可視化之corrplot包

01-29

雖然cor()函數可以非常方便快捷的計算出連續變數之間的相關係數，但當變數非常多時，返回的相關係數一定時讀者看的眼花繚亂。

下面就以R自帶的mtcars數據集為例，講講相關係數圖的繪製：

> cor(mtcars[1:7])nn mpg cyl disp hp drat wt qsecnmpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594 0.41868403ncyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958 -0.59124207ndisp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799 -0.43369788nhp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479 -0.70822339ndrat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406 0.09120476nwt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000 -0.17471588nqsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159 1.00000000n

很顯然，這麼多數字堆在一起肯定很難快速的發現變數之間的相關性大小，如果可以將相關係數可視化，就能彌補一大堆數字的缺陷了。這裡介紹corrplot包中的corrplot()函數進行相關係數的可視化，首先來看看該函數的語法和一些重要參數：

corrplot(corr,ntmethod = c("circle", "square", "ellipse", "number", "shade", "color", "pie"),nttype = c("full", "lower", "upper"), add = FALSE,ntcol = NULL, bg = "white", title = "", is.corr = TRUE,ttntdiag = TRUE, outline = FALSE, mar = c(0,0,0,0),ntaddgrid.col = NULL, addCoef.col = NULL, addCoefasPercent = FALSE, ntorder = c("original", "AOE", "FPC", "hclust", "alphabet"),nthclust.method = c("complete", "ward", "single", "average",n "mcquitty", "median", "centroid"),ntaddrect = NULL, rect.col = "black", rect.lwd = 2,nttl.pos = NULL, tl.cex = 1,nttl.col = "red", tl.offset = 0.4, tl.srt = 90,ntcl.pos = NULL, cl.lim = NULL,ntcl.length = NULL, cl.cex = 0.8, cl.ratio = 0.15, ntcl.align.text = "c",cl.offset = 0.5,ntaddshade = c("negative", "positive", "all"),ntshade.lwd = 1, shade.col = "white",ntp.mat = NULL, sig.level = 0.05,ntinsig = c("pch","p-value","blank", "n"),ntpch = 4, pch.col = "black", pch.cex = 3,ntplotCI = c("n","square", "circle", "rect"),ntlowCI.mat = NULL, uppCI.mat = NULL, ...)n

corr：需要可視化的相關係數矩陣

method：指定可視化的方法，可以是圓形、方形、橢圓形、數值、陰影、顏色或餅圖形

type：指定展示的方式，可以是完全的、下三角或上三角

col：指定圖形展示的顏色，默認以均勻的顏色展示

bg：指定圖的背景色

title：為圖形添加標題

is.corr：是否為相關係數繪圖，默認為TRUE，同樣也可以實現非相關係數的可視化，只需使該參數設為FALSE即可

diag：是否展示對角線上的結果，默認為TRUE

outline：是否繪製圓形、方形或橢圓形的輪廓，默認為FALSE

mar：具體設置圖形的四邊間距

addgrid.col：當選擇的方法為顏色或陰影時，默認的網格線顏色為白色，否則為灰色

addCoef.col：為相關係數添加顏色，默認不添加相關係數，只有方法為number時，該參數才起作用

addCoefasPercent：為節省繪圖空間，是否將相關係數轉換為百分比格式，默認為FALSE

order：指定相關係數排序的方法，可以是原始順序(original)、特徵向量角序(AOE)、第一主成分順序(FPC)、層次聚類順序(hclust)和字母順序，一般」AOE」排序結果都比」FPC」要好

hclust.method：當order為hclust時，該參數可以是層次聚類中ward法、最大距離法等7種之一

addrect：當order為hclust時，可以為添加相關係數圖添加矩形框，默認不添加框，如果想添加框時，只需為該參數指定一個整數即可

rect.col：指定矩形框的顏色

rect.lwd：指定矩形框的線寬

tl.pos：指定文本標籤(變數名稱)的位置，當type=full時，默認標籤位置在左邊和頂部(lt)，當type=lower時，默認標籤在左邊和對角線(ld)，當type=upper時，默認標籤在頂部和對角線，d表示對角線，n表示不添加文本標籤

tl.cex：指定文本標籤的大小

tl.col：指定文本標籤的顏色

cl.pos：圖例（顏色）位置，當type=upper或full時，圖例在右表(r)，當type=lower時，圖例在底部，不需要圖例時，只需指定該參數為n

addshade：只有當method=shade時，該參數才有用，參數值可以是negtive/positive和all，分表表示對負相關係數、正相關係數和所有相關係數添加陰影。注意：正相關係數的陰影是45度，負相關係數的陰影是135度

shade.lwd：指定陰影的線寬

shade.col：指定陰影線的顏色

雖然該函數的參數比較多，但可以組合各種參數，靈活實現各種各樣的相關係數圖。下面就舉幾個例子：

> corrplot(corr=cor(mtcars[1:7]))n

指定數值方法的相關係數圖

> corrplot(corr=cor(mtcars[1:7]),method = "number",col="black",cl.pos = "n")n

按照特徵向量角序(AOE)排序相關係數圖

> corrplot(corr=cor(mtcars[1:7]),order = "AOE")n

同時添加相關係數值

> corrplot(corr=cor(mtcars[1:7]),order = "AOE",addCoef.col = "grey")n

選擇方法為color

> corrplot(corr=cor(mtcars[1:7]),method = "color",order = "AOE",addCoef.col = "grey")n

混合方法之上三角為圓形，下三角為數字

> corrplot(corr=cor(mtcars[1:7]),order = "AOE",type="upper",tl.pos = "d")n> corrplot(corr = cor(mtcars[1:7]),add=TRUE, type="lower", method="number",order="AOE",diag=FALSE,tl.pos="n", cl.pos="n")n

混合方法之上三角為圓形，下三角為黑色數字

> corrplot(corr =cor(mtcars[1:7]),order="AOE",type="upper",tl.pos="tp")nn> corrplot(corr = cor(mtcars[1:7]),add=TRUE, type="lower", method="number",order="AOE", col="black",diag=FALSE,tl.pos="n", cl.pos="n")n