R语言：相关性可视化绘图+进阶散点图矩阵、高密度散点图、六边形封箱图、气泡图

相关性可视化绘图

以相关系数表示的二元关系：通过散点图和散点图矩阵进行可视化

（1）散点图：plot(x, y) 其中，x和y是数值型向量，代表着图形中的(x,y)点

（2）进阶散点图：car包中的scatterplot()函数

（3）散点图矩阵：

①pairs()函数：可以看到所有指定变量间的二元关系

②car包中的scatterplotMatrix()函数

③gclus包cpairs()函数

（4）高密度散点图：适于数据点重叠很严重时

①普通散点图+用颜色密度表示点分布的散点图：smoothScatter()

②六边形封箱图：hexbin包中的hexbin()函数

• 将二元变量的封箱放到六边形单元格中（图形比名称更直观）

（5）气泡图：symbols()函数来创建

①用处：

• 三维散点图来展示三个定量变量间的关系

• 换种思路：先创建一个二维散点图

• 然后用点的大小来代表第三个变量的值，即气泡图

②格式：symbols(x,y, circle=radius)

• 其中x、y和radius是需要设定的向量，分别表示x、y坐标和圆圈半径

• 该函数可以在指定的(x,y)坐标上绘制圆圈图、方形图、星形图、温度计图和箱线图

（6）相关系数矩阵

①用corrgram包中的corrgram()函数：用颜色来表示相关的程度

数据结构：11个变量，32个地区

• 蓝色正相关。反过来，红色和从左上指向右下的斜杠表示变量呈负相关

• 色彩越深，饱和度越高，说明变量相关性越大

• 相关性接近于0的单元格基本无色

• 本图为了将有相似相关模式的变量聚集在一起

• 对矩阵的行和列都重新进行了排序（使用主成分法）

（7）马赛克图：有两个以上的类别型变量 vcd包中的mosaic()函数

• 在马赛克图中，嵌套矩形面积正比于单元格频率，其中该频率即多维列联表中的频率

• 颜色和/或阴影可表示拟合模型的残差值

马赛克图隐含着大量的数据信息，例如：(1) 从船员到头等舱，存活率陡然提高；(2) 大部分孩子都处在三等舱和二等舱中；(3) 在头等舱中的大部分女性都存活了下来，而三等舱中仅有一半女性存活；(4) 船员中女性很少，导致Survived标签重叠（图底部的No和Yes）

---

代码如下

#相关关系的可视化

#1添加拟合曲线的简单散点图

attach(mtcars) 

plot(wt, mpg, 

     main="Basic Scatter plot of MPG vs. Weight", 

     xlab="Car Weight (lbs/1000)", 

     ylab="Miles Per Gallon ", pch=19) 

abline(lm(mpg~wt), col="red", lwd=2, lty=1) #abline()函数用来添加最佳拟合的线性直线

lines(lowess(wt,mpg), col="blue", lwd=2, lty=2)#lowess()函数则用来添加一条平滑曲线

#该平滑曲线拟合是一种基于局部加权多项式回归的非参数方法



#2进阶散点图：car包中的scatterplot()函数【添加拟合曲线、边界箱线图和置信椭圆】

library(car) 

scatterplot(mpg ~ wt | cyl, data=mtcars, lwd=2, span=0.75, 

            main="Scatter Plot of MPG vs. Weight by # Cylinders", 

            xlab="Weight of Car (lbs/1000)", 

            ylab="Miles Per Gallon", 

            legend.plot=TRUE, 

            id.method="identify", 

            boxplots="xy" )

#表达式mpg ~ wt | cyl表示按条件绘图（即按cyl的水平分别绘制mpg和wt的关系图

#span参数控制loess曲线中的平滑量。[越大，拟合得就越好]

#id.method:表明可通过鼠标单击来交互式地识别数据点

#legend.plot:表明在左上边界添加图例





#3散点图矩阵：pairs()函数

library(car) 

pairs(~mpg+disp+drat+wt, data=mtcars, 

      main="Basic Scatter Plot Matrix")#图包含~右边的所有变量



#4散点图矩阵：scatterplotMatrix()函数

#线性和平滑（loess）拟合曲线被默认添加，主对角线处添加了核密度曲线和轴须图

library(car) 

scatterplotMatrix(~ mpg + disp + drat + wt, data=mtcars, 

                  spread=FALSE, smoother.args=list(lty=2), 

                  main="Scatter Plot Matrix via car Package")

#spread = FALSE选项表示不添加展示分散度和对称信息的直线

#smoother.args=list(lty=2)设定平滑（loess）拟合曲线使用虚线而不是实线



#5散点图矩阵：gclus包cpairs()函数

library(gclus)                                                   

mydata <- mtcars[c(1,3,5,6)]   #mtcars数据集中1356列                         

mydata.corr <- abs(cor(mydata)) #计算相关系数                                                                          

mycolors <- dmat.color(mydata.corr)                              

myorder <- order.single(mydata.corr)                             

cpairs(mydata,                                                   

       myorder, 

       panel.colors=mycolors, 

       gap=.5,                #gap=表示框框之间的间隙

       main="Variables Ordered and Colored by Correlation"

)



#6高密度散点图

#smoothScatter()用封箱、颜色和透明度来指明图中任意点上重叠点的数目

set.seed(1234)

n <- 10000

c1 <- matrix(rnorm(n, mean=0, sd=.5), ncol=2)

c2 <- matrix(rnorm(n, mean=3, sd=2), ncol=2)

mydata <- rbind(c1, c2)

mydata <- as.data.frame(mydata)

names(mydata) <- c("x", "y")

#普通散点图

with(mydata,

     plot(x, y, pch=19, main="Scatter Plot with 10000 Observations"))



#用颜色密度表示点分布的散点图：smoothScatter()

with(mydata,

     smoothScatter(x, y, main="Scatterplot colored by Smoothed Densities"))

#set.seed()括号里面的参数可以是任意数字

#是代表你设置的第几号种子而已，不会参与运算，是个标记而已

#可以是1，也可以是2



#六边形封箱图:hexbin包中的hexbin()函数

library(hexbin)

with(mydata, {

  bin <- hexbin(x, y, xbins=50)

  plot(bin, main="Hexagonal Binning with 10,000 Observations")

})



#气泡图

attach(mtcars) 

r <- sqrt(disp/pi) #用面积表示第三个变量z

symbols(wt, mpg, circle=r, inches=0.30, 

        fg="white", bg="lightblue", 

        main="Bubble Plot with point size proportional to displacement", 

        ylab="Miles Per Gallon", 

        xlab="Weight of Car (lbs/1000)") 

text(wt, mpg, rownames(mtcars), cex=0.6) 

detach(mtcars)#inches是圆的大小，text()用来添加汽车的名称





#相关系数矩阵

options(digits=2)

cor(mtcars)#计算相关系数



library(corrgram)

corrgram(mtcars, order=TRUE, lower.panel=panel.shade,

         upper.panel=panel.pie, text.panel=panel.txt,

         main="Correlogram of mtcar intercorrelations")

#矩阵行和列都通过主成分分析法进行了重新排序



#马赛克图（有两个以上的类别型变量）嵌套数据

library(vcd) 

mosaic(Titanic, shade=TRUE, legend=TRUE)

#shade=TRUE将根据拟合模型的皮尔逊残差值对图形上色，添加选项legend=TRUE将展示残差的图例