gzh原文點我，歡迎同時關注
介紹
R corrplot包 提供了一個在相關矩陣上的可視化探索工具，該工具支持自動變量重新排序，以幫助檢測變量之間的隱藏模式。
corrplot 非常易于使用，并在可視化方法、圖形布局、顏色、圖例、文本標簽等方面提供了豐富的繪圖選項。它還提供 p 值和置信區間，以幫助用戶確定相關性的統計顯著性。
corrplot()有大約50個參數，但最常見的參數只有幾個。在大多數場景中，我們可以得到一個只有一行代碼的相關矩陣圖。
1.加載包
library(corrplot)
2.加載數據
mtcars
3.繪圖
corrplot(M, method = 'number')
圖片
#order排序方法original(默認),特征向量角度排序AOE,第一個主成分順序FPC,分層聚類排序hclust,按照字母排序alphabet
corrplot(M, method = 'color', order = 'hclust')
圖片
#形狀默認circle,除此之外還有square,ellipse,number,pie,shade,color
corrplot(M,method="circle")
圖片
corrplot(M,method="square")
圖片
corrplot(M,method="ellipse")
圖片
corrplot(M,method="pie")
圖片
#diag = FALSE,不顯示中間為1的格子
corrplot(M,method="square",diag = FALSE)
圖片
#type僅僅顯示下部分相關性，除此之外還有參數full,upper
corrplot(M, method = 'square', order = 'FPC', type = 'lower', diag = FALSE)
圖片
corrplot(M, method = 'ellipse', order = 'FPC', type = 'upper', diag = FALSE)
圖片
#數字和圖混合
corrplot.mixed(M, order = 'AOE')
圖片
#混合上部餅圖，下部陰影
corrplot.mixed(M, lower = 'shade', upper = 'pie', order = 'hclust')
圖片
#分層聚類，標出2個cluster
corrplot(M, order = 'hclust', addrect = 2)
圖片
#定義圈出的cluster，以及圈出線的顏色和線條
corrplot(M, method = 'square', diag = FALSE, order = 'hclust',
addrect = 3,
rect.col = 'blue',
rect.lwd = 3,
tl.pos = 'd')
圖片
4.個性化設置聚類方法
install.packages("seriation")
library(seriation)
list_seriation_methods('matrix')
list_seriation_methods('dist')
data(Zoo)
Z = cor(Zoo[, -c(15, 17)])
dist2order = function(corr, method, ...) {
d_corr = as.dist(1 - corr)
s = seriate(d_corr, method = method, ...)
i = get_order(s)
return(i)
}
# Fast Optimal Leaf Ordering for Hierarchical Clustering
i = dist2order(Z, 'OLO')
corrplot(Z[i, i], cl.pos = 'n')
圖片
# Quadratic Assignment Problem
i = dist2order(Z, 'QAP_2SUM')
corrplot(Z[i, i], cl.pos = 'n')
圖片
# Multidimensional Scaling
i = dist2order(Z, 'MDS_nonmetric')
corrplot(Z[i, i], cl.pos = 'n')
圖片
5.個性化添加矩陣
library(magrittr)
#方法1
i = dist2order(Z, 'R2E')
corrplot(Z[i, i], cl.pos = 'n') %>% corrRect(c(1, 9, 15))
圖片
#方法2
corrplot(Z, order = 'AOE') %>%
corrRect(name = c('tail', 'airborne', 'venomous', 'predator'))
圖片
#方法3直接指定
r = rbind(c('eggs', 'catsize', 'airborne', 'milk'),
c('catsize', 'eggs', 'milk', 'airborne'))
corrplot(Z, order = 'hclust') %>% corrRect(namesMat = r)
圖片
6.顏色設置
COL1(sequential = c("Oranges", "Purples", "Reds", "Blues", "Greens",
"Greys", "OrRd", "YlOrRd", "YlOrBr", "YlGn"), n = 200)
COL2(diverging = c("RdBu", "BrBG", "PiYG", "PRGn", "PuOr", "RdYlBu"), n = 200)
#cl.*參數常用于顏色圖例：cl.pos顏色標簽的位置('r'type='upper''full''b'type='lower''n')，cl.ratio顏色圖例的寬度建議0.1~0.2
#tl.*參數常用于文本圖例：tl.pos用于文本標簽的位置，tl.cex文本大小，tl.srt文本的旋轉
corrplot(M, order = 'AOE', col = COL2('RdBu', 10))
圖片
corrplot(M, order = 'AOE', addCoef.col = 'black', tl.pos = 'd',
cl.pos = 'r', col = COL2('PiYG'))
圖片
corrplot(M, method = 'square', order = 'AOE', addCoef.col = 'black', tl.pos = 'd',
cl.pos = 'r', col = COL2('BrBG'))
圖片
corrplot(M, order = 'AOE', cl.pos = 'b', tl.pos = 'd',col = COL2('PRGn'), diag = FALSE)
圖片
corrplot(M, type = 'lower', order = 'hclust', tl.col = 'black', cl.ratio = 0.2, tl.srt = 45, col = COL2('PuOr', 10))
圖片
corrplot(M, order = 'AOE', cl.pos = 'n', tl.pos = 'n',
col = c('white', 'black'), bg = 'gold2')
圖片
