R语言相关性分析及步骤

记录一下R语言学习过程，对于R的基础就是基本数据类型（向量，矩阵，数据框，字符串等等），库的调用以及函数自定义，还需要多加学习！
进入主题，今天主题是相关性分析：
以下为代码：

y<-c(170,175,180) //定义向量
y1<-c(20,25,30)

y<-cor.test(y,y1,method="spearman") //调用库计算2个向量之间的spearman系数
y

x<-cor.test(y,y1)
x

A <- matrix(11:16, nrow=3, ncol=2) //定义矩阵
A

x<-cor.test(A, adjust = "none", use = "complete") //调用库计算相关性系数
x


csvpath<-file.choose()//调用文件选择对话框
csvpath
df<-read.csv(csvpath,header=T,row.names = 1) //读取CSV文件成数据框，df是data.frame的缩写
df

Y<- cor(df) //调用库计算相关性系数
Y

wmj<-cor(df,method = 'spearman') //调用库计算spearman系数
wmj

install.packages("Hmisc")//安装HMISC包，用来将数据框转换成矩阵

res2<-rcorr(as.matrix(df))//转换成矩阵
res2

WMJ_R<-res2$r  //获取R值
WMJ_R

WMJ_N<-res2$n  //获取样本个数
WMJ_N

WMJ_P<-res2$P  //获取P值
WMJ_P


//定义函数将矩阵转成数据框
flattenCorrMatrix <- function(cormat, pmat) {
  ut <- upper.tri(cormat)
  data.frame(
    row = rownames(cormat)[row(cormat)[ut]],
    column = rownames(cormat)[col(cormat)[ut]],
    cor  =(cormat)[ut],
    p = pmat[ut]
  )
}

WMJ_Y<-flattenCorrMatrix(res2$r,res2$P)
WMJ_Y

df1<-flattenCorrMatrix(res2$r,res2$P)
abs(df1$cor)>0.25

y_wmj<-df1[abs(df1$cor)>0.25,]
y_wmj

install.packages("corrplot") //安装图形打印包
library("corrplot")  //加载图像打印包
corrplot(res2$r,type="upper",tl.col ="black",tl.srt = 45)  //打印图形

install.packages("PerformanceAnalytics")
library("PerformanceAnalytics")
chart.Correlation(df,histogram = T,pch=19)       //打印相关性图形

代码关键部分添加了注释方便阅读与理解，以上就是相关性分析学习记录