一、相关系数矩阵
library(corrplot)
head(mtcars,3)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
cordata<-cor(mtcars[,1:7])
cordata
mpg cyl disp hp drat wt qsec
mpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594 0.41868403
cyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958 -0.59124207
disp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799 -0.43369788
hp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479 -0.70822339
drat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406 0.09120476
wt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000 -0.17471588
qsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159 1.00000000
corrplot(corr=cordata,method="color",order="AOE",addCoef.col="grey")
二、热力图
library(reshape2)
library(ggplot2)
mymatrix<-matrix(runif(30,min=-0.1,max=0.1),nrow=5,ncol=6)
colnames(mymatrix)<-c("房地产业","国防军工","建筑业","信息科技业","化工行业","电气工业")
mymatrix
房地产业 国防军工 建筑业 信息科技业 化工行业 电气工业
[1,] -0.070659660 -0.093000454 -0.00707670 -0.07900881 -0.03599839 -0.097522612
[2,] -0.040224110 0.015778209 -0.06644414 0.02356476 0.06237693 0.022410838
[3,] -0.006500929 -0.008762363 0.05763242 0.01253936 0.09812529 0.071849709
[4,] 0.067375337 0.059886581 -0.02384389 -0.01077122 -0.04716984 -0.073741467
[5,] 0.054256376 0.090095767 0.07157948 0.06290915 -0.09143638 -0.003610035
fixdata<-melt(mymatrix)
head(fixdata,10)
Var1 Var2 value
1 1 房地产业 -0.070659660
2 2 房地产业 -0.040224110
3 3 房地产业 -0.006500929
4 4 房地产业 0.067375337
5 5 房地产业 0.054256376
6 1 国防军工 -0.093000454
7 2 国防军工 0.015778209
8 3 国防军工 -0.008762363
9 4 国防军工 0.059886581
10 5 国防军工 0.090095767
p<-ggplot(fixdata,aes(x=Var2,y=Var1,fill=value))+xlab("行业")+ylab("星期")
p1<-p+geom_tile(color="white",size=0.1)+scale_fill_gradient(low='green',high='red')+guides(fill=FALSE)
p2<-p1+geom_text(aes(label=round(value,3)),angle=45)
print(p2)
三、词云
library(wordcloud2)
data<-read.table("C:/Users/steph/Desktop/visual/words.csv",sep=",",header=TRUE)
dim(data)
[1] 40 2
head(data)
Word Freq
1 喜剧 80
2 爱情 33
3 剧情 39
4 中国大陆 42
5 香港 44
6 粤语 44
tail(data)
Word Freq
35 暴力 24
36 音乐 29
37 恐怖 18
38 同志 22
39 纪录片 26
40 情色 28
wordcloud2(data)