R-corrplot包-相关性可视化2

1.8

cl.pos图例位置

1corrplot(mat_cor, method = "ellipse", order = "AOE",  col = palette_2, 
2         addCoef.col = "gray20", addCoefasPercent = TRUE, cl.pos = "r", 
3         title = "图例在右边", diag = TRUE, mar = c(1,1,1,1))
4corrplot(mat_cor, method = "ellipse", order = "AOE",  col = palette_2, 
5         addCoef.col = "gray20", addCoefasPercent = TRUE, cl.pos = "b", 
6         title = "图例在底部", diag = TRUE, mar = c(1,1,1,1))
7corrplot(mat_cor, method = "ellipse", order = "AOE",  col = palette_2, 
8         addCoef.col = "gray20", addCoefasPercent = TRUE, cl.pos = "n", 
9         title = "无图例", diag = TRUE, mar = c(1,1,1,1))

1.9

变量文本tl.pos、tl.cex及tl.col

tl.pos只有在混合布局的时候才有意义。

1corrplot(mat_cor, method = "ellipse", order = "AOE",  col = palette_2, 
2         addCoef.col = "gray20", addCoefasPercent = TRUE, cl.pos = "r", 
3         tl.pos = "lt",tl.cex = 2, tl.col = "blue",
4         title = "蓝色变量文本", diag = TRUE, mar = c(1,1,1,1))
5
6corrplot(mat_cor, method = "ellipse", order = "AOE",  col = palette_2, 
7         addCoef.col = "gray20", addCoefasPercent = TRUE, cl.pos = "r", 
8         tl.pos = "n",
9         title = "无变量文本", diag = TRUE, mar = c(1,1,1,1))

1.10

阴影设置

只有当method="shade"时，该参数才有用。
addshade添加阴影范围，分为正阴影，负阴影，全阴影。
shade.lwd设置阴影线宽。shade.col设置阴影线颜色。

1corrplot(mat_cor, method = "shade", order = "AOE", col = palette_2, 
2         addshade = "negative", shade.lwd = 1, shade.col = "blue",   
3         title = "蓝色负阴影", mar = c(1,1,1,1))
4corrplot(mat_cor, method = "shade", order = "AOE", col = palette_2, 
5         addshade = "positive", shade.lwd = 1, shade.col = "blue", 
6         title = "蓝色正阴影", mar = c(1,1,1,1))
7corrplot(mat_cor, method = "shade", order = "AOE", col = palette_2, 
8         shade.lwd = 1, shade.col = "blue", 
9         title = "默认全阴影", mar = c(1,1,1,1))

1.11

显著性标记sig.level及p.mat

只有指定矩阵的P值，sig.level，pch等参数才有效。
只有当insig = "pch"时，pch.col和pch.cex参数才有效。
对于p值不清楚的同学，可以参考 知乎的答案

（https://www.zhihu.com/question/23149768）
概况起来，就一句话：小于p值的不可能信，没有意义。

 1library(corrplot)
 2
 3res1 <- cor.mtest(mtcars, conf.level = .95)
 4
 5corrplot(mat_cor, method = "circle",  col = palette_2,
 6         p.mat = res1$p, sig.level = 0.01, 
 7         title = "增加显著性标记", mar = c(1,1,1,1))
 8
 9corrplot(mat_cor, method = "circle",  col = palette_2,
10         p.mat = res1$p, sig.level = 0.01, insig = "pch", pch.col = "blue", pch.cex = 3,
11         title = "蓝色显著性标记", mar = c(1,1,1,1))
12

1.12

add混合布局

add参数表示是否添加到已经存在的plot中。默认FALSE生成新plot。

 1# 第一个图，
 2corrplot(mat_cor, method = "ellipse", type = "upper", order = "AOE", 
 3         col = palette_2, tl.pos = "d",
 4         title = "上椭圆下百分比混合布局", mar = c(1,1,1,1))
 5corrplot(mat_cor, method = "number", type = "lower", order = "AOE", col = palette_2,
 6         add = TRUE, diag = FALSE, tl.pos = "n", addCoefasPercent = TRUE, cl.pos = "n", 
 7         mar = c(1,1,1,1))
 8# 第2个图，
 9corrplot(mat_cor, method = "pie", type = "lower", order = "AOE", 
10         col = palette_2, tl.pos = "tp", tl.col = "blue", cl.pos = "r", 
11         title = "上数字下饼图混合布局", mar = c(1,1,1,1))
12corrplot(mat_cor, method = "number", type = "upper", order = "AOE", col = palette_2,
13         add = TRUE, diag = FALSE, tl.pos = "n", cl.pos = "n", 
14         mar = c(1,1,1,1))

2.ggcorrplot包
ggcorrplot包内就2个函数，一个cor_pmat()用于计算p值, 一个ggcorrplot()用于绘图。
ggcorrplot相当于精简版的corrplot包。只有主题更加丰富多样。

2.1

语法及参数

语法：

1ggcorrplot(corr, method = c("square", "circle"), type = c("full", "lower",
2  "upper"), ggtheme = ggplot2::theme_minimal, title = "",
3  show.legend = TRUE, legend.title = "Corr", show.diag = FALSE,
4  colors = c("blue", "white", "red"), outline.color = "gray",
5  hc.order = FALSE, hc.method = "complete", lab = FALSE,
6  lab_col = "black", lab_size = 4, p.mat = NULL, sig.level = 0.05,
7  insig = c("pch", "blank"), pch = 4, pch.col = "black", pch.cex = 5,
8  tl.cex = 12, tl.col = "black", tl.srt = 45, digits = 2)

关键参数：

method,相比corrplot，少了很多种，只有方形和圆形，默认方形。

colors，需要长度为3的颜色向量，同时指定low,mid和high处的颜色。

outline.color,指定方形或圆形的边线颜色。

hc.order,是否按hclust(层次聚类顺序)排列。

hc.method,相当于corrplot中的hclust.method, 指定方法一样，详情见?hclust。

lab, 是否添加相关系数。

lab_col,指定相关系数的颜色，只有当lab=TRUE时有效。

lab_size,指定相关系数大小，只有当lab=TRUE时有效。

show.legend, 是否显示图例。

legend.title,指定图例标题。

sig.level,insig,pch,pch.col,pch.cex，与corrplot中完全一样。

tl.cex, 指定变量文本的大小，

tl.col, 指定变量文本的颜色，

tl.srt, 指定变量文本的旋转角度。

digits, 指定相关系数的显示小数位数(默认2)。

2.2

实例

 1library(ggplot2)
 2library(ggcorrplot)
 3library(showtext)
 4
 5# 更改字体
 6windowsFonts(YaHei_rontine = windowsFont("微软雅黑"),
 7             Time_NewR = windowsFont("Times New Romans 常规"))
 8font_add("YaHei_rontine", regular = "msyh.ttc", bold = "msyhbd.ttc")
 9font_add("Time_NewR", "times.ttf", 
10         bold = "timesbd.ttf", 
11         italic = "timesi.ttf", 
12         bolditalic = "timesbd.ttf")
13
14showtext_auto()
15
16# 自定义主题
17mytheme <- theme_bw() +
18  theme(
19    plot.title = element_text(colour = "blue", hjust = 0.5, size = 20), 
20    legend.text = element_text(colour = "blue"), 
21    legend.title = element_text(family = "YaHei_rontine", colour = "blue"), 
22    legend.position = "bottom", legend.direction = "horizontal"
23    )
24
25
26# 绘图
27ggcorrplot(mat_cor, 
28           method="circle", 
29           hc.order = TRUE, 
30           type = "lower", 
31           lab = TRUE,  # 显示相关系数
32           lab_col = "blue", lab_size = 3, 
33           colors = c("cyan", "white", "magenta"), 
34           tl.cex = 10, tl.col = "blue", digits = 1, 
35           title="下三角圆形，hclust排列", 
36           legend.title = "相关系数", 
37           ggtheme = theme_bw())
38
39# 自定义主题
40ggcorrplot(mat_cor, 
41           method="circle", 
42           hc.order = TRUE, 
43           type = "lower", 
44           lab = TRUE,  # 显示相关系数
45           lab_col = "blue", lab_size = 3, 
46           colors = c("cyan", "white", "magenta"), 
47           tl.cex = 10, tl.col = "blue", digits = 1, 
48           title="自定义主题", 
49           legend.title = "相关系数", 
50           ggtheme = mytheme)

2.3

显著性标记

 1library(ggplot2)
 2library(ggcorrplot)
 3
 4p_mat <- cor_pmat(mtcars)
 5
 6ggcorrplot(mat_cor, 
 7           method="circle", hc.order = TRUE, type = "lower", 
 8           lab = TRUE,  lab_col = "blue", lab_size = 3, # 显示相关系数
 9           colors = c("cyan", "white", "magenta"), 
10           tl.cex = 10, tl.col = "blue", digits = 1, 
11           title="显著性标记", 
12           legend.title = "相关系数", 
13           p.mat = p_mat, 
14           ggtheme = theme_bw())
15
16ggcorrplot(mat_cor, 
17           hc.order = TRUE, type = "full", 
18           colors = c("cyan", "white", "magenta"), 
19           tl.cex = 10, tl.col = "blue", digits = 1, 
20           title="低于p值为空", 
21           legend.title = "相关系数", 
22           p.mat = p_mat, insig = "blank", 
23           ggtheme = theme_bw())
24
25ggcorrplot(mat_cor, 
26           method="circle", hc.order = TRUE, type = "upper", 
27           colors = c("cyan", "white", "magenta"), 
28           tl.cex = 10, tl.col = "blue", digits = 1, 
29           title="红色显著性标记", 
30           legend.title = "相关系数", 
31           p.mat = p_mat, insig = "pch", pch.col = "red", pch.cex = 4, 
32           ggtheme = theme_bw())
33

————————————————
版权声明：本文为CSDN博主「R语言中文社区」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kMD8d5R/article/details/89346064