如何将相关矩阵绘制成图表？

Question

我有一个带有一些相关值的矩阵。现在我想将其绘制在一个看起来或多或少像这样的图表中：

我怎样才能实现这一目标？

Answer 1

看起来“更少”，但值得检查（因为提供了更多视觉信息）：

相关矩阵椭圆： 相关矩阵圆：

请在下面 @assylias 引用的 corrplot vignette 中找到更多示例。

Answer 2

快速、肮脏、大致目标：

library(lattice)

#Build the horizontal and vertical axis information
hor <- c("214", "215", "216", "224", "211", "212", "213", "223", "226", "225")
ver <- paste("DM1-", hor, sep="")

#Build the fake correlation matrix
nrowcol <- length(ver)
cor <- matrix(runif(nrowcol*nrowcol, min=0.4), nrow=nrowcol, ncol=nrowcol, dimnames = list(hor, ver))
for (i in 1:nrowcol) cor[i,i] = 1

#Build the plot
rgb.palette <- colorRampPalette(c("blue", "yellow"), space = "rgb")
levelplot(cor, main="stage 12-14 array correlation matrix", xlab="", ylab="", col.regions=rgb.palette(120), cuts=100, at=seq(0,1,0.01))

Answer 3

使用lattice::levelplot非常简单：

z <- cor(mtcars)
require(lattice)
levelplot(z)

Answer 4

ggplot2 库可以使用

geom_tile()

来处理这个问题。看起来上面的图中可能已经进行了一些重新调整，因为没有任何负相关性，因此请在您的数据中考虑到这一点。使用

mtcars

数据集：

library(ggplot2)
library(reshape)

z <- cor(mtcars)
z.m <- melt(z)

ggplot(z.m, aes(X1, X2, fill = value)) + geom_tile() + 
scale_fill_gradient(low = "blue",  high = "yellow")

编辑：

ggplot(z.m, aes(X1, X2, fill = value)) + geom_tile() + 
scale_fill_gradient2(low = "blue",  high = "yellow")

允许指定中点的颜色，默认为白色，因此这里可能是一个很好的调整。其他选项可以在 ggplot 网站这里和这里找到。

Answer 5

使用 corrplot 包：

library(corrplot)
data(mtcars)
M <- cor(mtcars)
##  different color series
col1 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","white", 
        "cyan", "#007FFF", "blue","#00007F"))
col2 <- colorRampPalette(c("#67001F", "#B2182B", "#D6604D", "#F4A582", "#FDDBC7",
        "#FFFFFF", "#D1E5F0", "#92C5DE", "#4393C3", "#2166AC", "#053061"))  
col3 <- colorRampPalette(c("red", "white", "blue")) 
col4 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","#7FFF7F", 
        "cyan", "#007FFF", "blue","#00007F"))   
wb <- c("white","black")


par(ask = TRUE)


## different color scale and methods to display corr-matrix
corrplot(M, method="number", col="black", addcolorlabel="no")
corrplot(M, method="number")
corrplot(M)
corrplot(M, order ="AOE")
corrplot(M, order ="AOE", addCoef.col="grey")

corrplot(M, order="AOE", col=col1(20), cl.length=21,addCoef.col="grey")
corrplot(M, order="AOE", col=col1(10),addCoef.col="grey")

corrplot(M, order="AOE", col=col2(200))
corrplot(M, order="AOE", col=col2(200),addCoef.col="grey")
corrplot(M, order="AOE", col=col2(20), cl.length=21,addCoef.col="grey")
corrplot(M, order="AOE", col=col2(10),addCoef.col="grey")

corrplot(M, order="AOE", col=col3(100))
corrplot(M, order="AOE", col=col3(10))



corrplot(M, method="color", col=col1(20), cl.length=21,order = "AOE", addCoef.col="grey")

if(TRUE){

corrplot(M, method="square", col=col2(200),order = "AOE")

corrplot(M, method="ellipse", col=col1(200),order = "AOE")


corrplot(M, method="shade", col=col3(20),order = "AOE")

corrplot(M, method="pie", order = "AOE")


## col=wb
corrplot(M, col = wb, order="AOE", outline=TRUE, addcolorlabel="no")
## like Chinese wiqi, suit for either on screen or white-black print.
corrplot(M, col = wb, bg="gold2",  order="AOE", addcolorlabel="no")
}

例如：

相当优雅的IMO

Answer 6

这种类型的图表在其他术语中被称为“热图”。获得相关矩阵后，使用各种教程之一绘制它。

使用基础图形： http://flowingdata.com/2010/01/21/how-to-make-a-heatmap-a-quick-and-easy-solution/

使用ggplot2： http://learnr.wordpress.com/2010/01/26/ggplot2-quick-heatmap-plotting/

Answer 7

我一直在研究与@daroczig 发布的可视化类似的东西，@Ulrik 使用

plotcorr()

包的

ellipse

函数发布代码。我喜欢使用椭圆来表示相关性，并使用颜色来表示负相关和正相关。然而，我希望引人注目的颜色能够在接近 1 和 -1 的相关性中脱颖而出，而不是在接近 0 的相关性中脱颖而出。

我创建了一种替代方案，其中白色椭圆覆盖在彩色圆圈上。每个白色椭圆的大小都经过调整，使其后面可见的彩色圆圈的比例等于相关性的平方。当相关性接近 1 和 -1 时，白色椭圆很小，大部分彩色圆圈可见。当相关性接近 0 时，白色椭圆很大，并且几乎看不到彩色圆圈。

该函数

plotcor()

可在 https://github.com/JVAdams/jvamisc/blob/master/R/plotcor.r.

获取

使用

mtcars

数据集生成的图示例如下所示。

library(plotrix)
library(seriation)
library(MASS)
plotcor(cor(mtcars), mar=c(0.1, 4, 4, 0.1))

Answer 8

corrplot R 包中的 corrplot() 函数也可用于绘制相关图。

library(corrplot)  
M<-cor(mtcars) # compute correlation matrix
corrplot(M, method="circle")

此处发布了几篇描述如何计算和可视化相关矩阵的文章：

• http://www.sthda.com/english/wiki/visualize-correlation-matrix-using-correlogram
• http://www.sthda.com/english/wiki/visualize-correlation-matrix-using-symnum-function

Answer 9

我意识到已经有一段时间了，但新读者可能会对

rplot()

 包中的 

corrr

 感兴趣（

https://cran.rstudio.com/web/packages/corrr/index.html），其中可以生成 @daroczig 提到的那种图，但要设计数据管道方法：

install.packages("corrr")
library(corrr)
mtcars %>% correlate() %>% rplot()

mtcars %>% correlate() %>% rearrange() %>% rplot()

mtcars %>% correlate() %>% rearrange() %>% rplot(shape = 15)

mtcars %>% correlate() %>% rearrange() %>% shave() %>% rplot(shape = 15)

mtcars %>% correlate() %>% rearrange(absolute = FALSE) %>% rplot(shape = 15)

Answer 10

我最近了解到的另一个解决方案是使用

qtlcharts 包创建的交互式热图。

install.packages("qtlcharts")
library(qtlcharts)
iplotCorr(mat=mtcars, group=mtcars$cyl, reorder=TRUE)

下面是结果图的静态图像。

您可以在

我的博客上看到互动版本。将鼠标悬停在热图上可查看行、列和单元格值。单击单元格可查看带有按组着色的符号的散点图（在此示例中，为气缸数，4 为红色，6 为绿色，8 为蓝色）。将鼠标悬停在散点图中的点上会给出行的名称（在本例中为汽车的品牌）。

Answer 11

另一种选择是使用

GGally 包和 ggcorr 函数，如下所示：

library(GGally)
ggcorr(mtcars, method = c("everything", "pearson"), label = TRUE)

ggcorr(mtcars, method = c("everything", "pearson"), label = TRUE, geom = "circle")

创建于 2022-08-20，使用 ^{reprex v2.0.2}

查看上面的链接以获取更多选项。

Answer 12

由于我无法发表评论，所以我必须将 2c 给 daroczig 作为答案......

椭圆散点图确实来自 ellipse 包并使用以下命令生成：

corr.mtcars <- cor(mtcars)
ord <- order(corr.mtcars[1,])
xc <- corr.mtcars[ord, ord]
colors <- c("#A50F15","#DE2D26","#FB6A4A","#FCAE91","#FEE5D9","white",
            "#EFF3FF","#BDD7E7","#6BAED6","#3182BD","#08519C")   
plotcorr(xc, col=colors[5*xc + 6])

（来自手册页）

corrplot 包也可以 - 正如建议的 - 对于漂亮的图像很有用

在这里找到

Answer 13

这是分层聚类热图（带有树状图）的教科书示例。使用

gplots

heatmap.2

 因为它优于基础热图，但想法是相同的。 

colorRampPalette

 有助于生成 50 种（过渡）颜色。

library(gplots)

heatmap.2(cor(mtcars), trace="none", col=colorRampPalette(c("blue2","white","red3"))(50))