corrplot包与ggcorrplot相关图（一）

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿

作者：李誉辉 四川大学在读研究生

简介：

相关图是基于相关系数矩阵绘制的图。

通常是将1个变量映射到多个视觉元素，所以看起来很花哨。

如果是椭圆：

则椭圆的色相对应相关性的正负，

颜色深浅对应相关性绝对值大小，越深则绝对值越大。

椭圆的形状对应相关性绝对值大小，默认越扁，则相关性绝对值越大。

如果是圆，则圆的面积对应相关性大小，

如果是扇形，则扇形的弧度对应相关性大小。

相关系数：

自变量X和因变量Y的协方差/标准差的乘积。也可以反映两个变量变化时是同向还是反向，

如果同向变化就为正，反向变化就为负。

它消除了两个变量变化幅度的影响，而只是单纯反应两个变量每单位变化时的相似程度。

表达式：

cor(x, y = NULL, use = "everything", method =  c("pearson", "kendall", "spearman"))

参数解释：

x 为数字型向量，矩阵或数据框，表示自变量

y 表示应变量，默认y=x

2个向量计算得到一个值，n个变量组成的数据框计算得到长度为n*n维度的矩阵。

绘制相关图主要涉及2个包：

corrplot, ggcorrplot，后一个是ggplot2的扩展包。

计算相关系数矩阵：

1height <- c(6,5.92,5.58,5.83)

2wei <- c(20,15,7,12)

3cor(height, exp(height))

4cor(height, wei)

5ncol(mtcars)

6dim(cor(mtcars))# 

7class(cor(mtcars))

8colnames(cor(mtcars))

9row.names(cor(mtcars))

10

11# 展示系数矩阵,保留3位小数，

12DT::datatable(round(cor(mtcars),3),

13options = list(pageLength =11))# 显示11行

1## [1] 0.9983074

2## [1] 0.9628811

3## [1] 11

4## [1] 11 11

5## [1]"matrix"

6##  [1]"mpg""cyl""disp""hp""drat""wt""qsec""vs""am""gear"

7## [11]"carb"

8##  [1]"mpg""cyl""disp""hp""drat""wt""qsec""vs""am""gear"

9## [11]"carb"

（原图可交互）

corrplot包绘图：

结果按行和按列排是一样的，说明，只要cor(x,y)中，只要x=y，按行排和按列排没有区别。

1library(corrplot)

2corrplot(cor(mtcars))

1library(ggplot2)

2library(ggcorrplot)

3

4ggcorrplot(cor(mtcars), method="circle")

1.corrplot包

1.1

语法与参数

语法：

1corrplot(corr,

2method = c("circle","square","ellipse","number","shade","color","pie"),

3type = c("full","lower","upper"), add =FALSE,

4col =NULL, bg ="white", title ="",  is.corr =TRUE,

5diag =TRUE, outline =FALSE, mar = c(0,0,0,0),

6addgrid.col =NULL, addCoef.col =NULL, addCoefasPercent =FALSE,

7order = c("original","AOE","FPC","hclust","alphabet"),

8hclus