使用R語言繪制其他圖形之相關系數圖

雖然cor()函數可以非常方便快捷的計算出連續變量之間的相關系數，但當變量非常多時，返回的相關系數一定時讀者看的眼花繚亂。

下面就以R自帶的mtcars數據集為例，講講相關系數圖的繪制：

cor(mtcars[1:7])
很顯然，這么多數字堆在一起肯定很難快速的發現變量之間的相關性大小，如果可以將相關系數可視化，就能彌補一大堆數字的缺陷了。這里介紹corrplot包中的corrplot()函數進行相關系數的可視化，首先來看看該函數的語法和一些重要參數：

corrplot(corr,

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

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

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

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

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

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

hclust.method = c("complete", "ward", "single", "average",

"mcquitty", "median", "centroid"),

addrect = NULL, rect.col = "black", rect.lwd = 2,

tl.pos = NULL, tl.cex = 1,

tl.col = "red", tl.offset = 0.4, tl.srt = 90,

cl.pos = NULL, cl.lim = NULL,

cl.length = NULL, cl.cex = 0.8, cl.ratio = 0.15, 

cl.align.text = "c",cl.offset = 0.5,

addshade = c("negative", "positive", "all"),

shade.lwd = 1, shade.col = "white",

p.mat = NULL, sig.level = 0.05,

insig = c("pch","p-value","blank", "n"),

pch = 4, pch.col = "black", pch.cex = 3,

plotCI = c("n","square", "circle", "rect"),

lowCI.mat = NULL, uppCI.mat = NULL, ...)

corr：需要可視化的相關系數矩陣

method：指定可視化的方法，可以是圓形、方形、橢圓形、數值、陰影、顏色或餅圖形

type：指定展示的方式，可以是完全的、下三角或上三角

col：指定圖形展示的顏色，默認以均勻的顏色展示

bg：指定圖的背景色

title：為圖形添加標題

is.corr：是否為相關系數繪圖，默認為TRUE，同樣也可以實現非相關系數的可視化，只需使該參數設為FALSE即可

diag：是否展示對角線上的結果，默認為TRUE

outline：是否繪制圓形、方形或橢圓形的輪廓，默認為FALSE

mar：具體設置圖形的四邊間距

addgrid.col：當選擇的方法為顏色或陰影時，默認的網格線顏色為白色，否則為灰色

addCoef.col：為相關系數添加顏色，默認不添加相關系數，只有方法為number時，該參數才起作用

addCoefasPercent：為節省繪圖空間，是否將相關系數轉換為百分比格式，默認為FALSE

order：指定相關系數排序的方法，可以是原始順序(original)、特征向量角序(AOE)、第一主成分順序(FPC)、層次聚類順序(hclust)和字母順序，一般”AOE”排序結果都比”FPC”要好

hclust.method：當order為hclust時，該參數可以是層次聚類中ward法、最大距離法等7種之一

addrect：當order為hclust時，可以為添加相關系數圖添加矩形框，默認不添加框，如果想添加框時，只需為該參數指定一個整數即可

rect.col：指定矩形框的顏色

rect.lwd：指定矩形框的線寬

tl.pos：指定文本標簽(變量名稱)的位置，當type=full時，默認標簽位置在左邊和頂部(lt)，當type=lower時，默認標簽在左邊和對角線(ld)，當type=upper時，默認標簽在頂部和對角線，d表示對角線，n表示不添加文本標簽

tl.cex：指定文本標簽的大小

tl.col：指定文本標簽的顏色

cl.pos：圖例（顏色）位置，當type=upper或full時，圖例在右表(r)，當type=lower時，圖例在底部，不需要圖例時，只需指定該參數為n

addshade：只有當method=shade時，該參數才有用，參數值可以是negtive/positive和all，分表表示對負相關系數、正相關系數和所有相關系數添加陰影。注意：正相關系數的陰影是45度，負相關系數的陰影是135度

shade.lwd：指定陰影的線寬

shade.col：指定陰影線的顏色

雖然該函數的參數比較多，但可以組合各種參數，靈活實現各種各樣的相關系數圖。下面就舉幾個例子：

library(corrplot)

corr <- cor(mtcars[,1:7])

#參數全部默認情況下的相關系數圖

corrplot(corr = corr)

#指定數值方法的相關系數圖

corrplot(corr = corr, method="number", col="black", cl.pos="n")

#按照特征向量角序(AOE)排序相關系數圖

corrplot(corr = corr, order = 'AOE')

#同時添加相關系數值

corrplot(corr = corr, order ="AOE", addCoef.col="grey")

#選擇方法為color

corrplot(corr = corr, method = 'color', order ="AOE", addCoef.col="grey")

我覺得這幅圖比上面的圓形圖要清爽很多

#繪制圓形輪廓相關系數圖

corrplot(corr = corr, col = wb, order="AOE", outline=TRUE, cl.pos="n")

這個圖看起來非常像圍棋

#自定義背景色

corrplot(corr = corr, col = wb, bg="gold2",  order="AOE", cl.pos="n")

#混合方法之上三角為圓形，下三角為數字

corrplot(corr = corr,order="AOE",type="upper",tl.pos="d")

corrplot(corr = corr,add=TRUE, type="lower", method="number",order="AOE",diag=FALSE,tl.pos="n", cl.pos="n")

這幅圖將顏色、圓的大小和數值型相關系數相結合，更容易發現變量之間的相關性

#混合方法之上三角為圓形，下三角為方形

corrplot(corr = corr,order="AOE",type="upper",tl.pos="d")

corrplot(corr = corr,add=TRUE, type="lower", method="square",order="AOE",diag=FALSE,tl.pos="n", cl.pos="n")

#混合方法之上三角為圓形，下三角為黑色數字

corrplot(corr = corr,order="AOE",type="upper",tl.pos="tp")

corrplot(corr = corr,add=TRUE, type="lower", method="number",order="AOE", col="black",diag=FALSE,tl.pos="n", cl.pos="n")

個人更傾向于上圖的展現形式，既清爽又能很好的反映變量間的相關系數。

#以層次聚類法排序

corrplot(corr = corr, order="hclust")

#以層次聚類法排序，并繪制3個矩形框

corrplot(corr = corr, order="hclust", addrect = 3, rect.col = "black")