corrplot包与ggcorrplot相关图（一）
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿
作者：李誉辉 四川大学在读研究生
简介：
相关图是基于相关系数矩阵绘制的图。
通常是将1个变量映射到多个视觉元素，所以看起来很花哨。
如果是椭圆：
则椭圆的色相对应相关性的正负，
颜色深浅对应相关性绝对值大小，越深则绝对值越大。
椭圆的形状对应相关性绝对值大小，默认越扁，则相关性绝对值越大。
如果是圆，则圆的面积对应相关性大小，
如果是扇形，则扇形的弧度对应相关性大小。
相关系数：
自变量X和因变量Y的协方差/标准差的乘积。也可以反映两个变量变化时是同向还是反向，
如果同向变化就为正，反向变化就为负。
它消除了两个变量变化幅度的影响，而只是单纯反应两个变量每单位变化时的相似程度。
表达式：
cor(x, y = NULL, use = "everything", method = c("pearson", "kendall", "spearman"))
参数解释：
x 为数字型向量，矩阵或数据框，表示自变量
y 表示应变量，默认y=x
2个向量计算得到一个值，n个变量组成的数据框计算得到长度为n*n维度的矩阵。
绘制相关图主要涉及2个包：
corrplot, ggcorrplot，后一个是ggplot2的扩展包。
计算相关系数矩阵：
1height <- c(6,5.92,5.58,5.83)
2wei <- c(20,15,7,12)
3cor(height, exp(height))
4cor(height, wei)
5ncol(mtcars)
6dim(cor(mtcars))#
7class(cor(mtcars))
8colnames(cor(mtcars))
9row.names(cor(mtcars))
10
11# 展示系数矩阵,保留3位小数，
12DT::datatable(round(cor(mtcars),3),
13options = list(pageLength =11))# 显示11行
1## [1] 0.9983074
2## [1] 0.9628811
3## [1] 11
4## [1] 11 11
5## [1]"matrix"
6## [1]"mpg""cyl""disp""hp""drat""wt""qsec""vs""am""gear"
7## [11]"carb"
8## [1]"mpg""cyl""disp""hp""drat""wt""qsec""vs""am""gear"
9## [11]"carb"
（原图可交互）
corrplot包绘图：
结果按行和按列排是一样的，说明，只要cor(x,y)中，只要x=y，按行排和按列排没有区别。
1library(corrplot)
2corrplot(cor(mtcars))
1library(ggplot2)
2library(ggcorrplot)
3
4ggcorrplot(cor(mtcars), method="circle")
1.corrplot包
1.1
语法与参数
语法：
1corrplot(corr,
2method = c("circle","square","ellipse","number","shade","color","pie"),
3type = c("full","lower","upper"), add =FALSE,
4col =NULL, bg ="white", title ="", is.corr =TRUE,
5diag =TRUE, outline =FALSE, mar = c(0,0,0,0),
6addgrid.col =NULL, addCoef.col =NULL, addCoefasPercent =FALSE,
7order = c("original","AOE","FPC","hclust","alphabet"),
8hclust.method = c("complete","ward","single","average",
9"mcquitty","median","centroid"),
10addrect =NULL, rect.col ="black", rect.lwd =2,
11tl.pos =NULL, tl.cex =1,
12tl.col ="red", tl.offset =0.4, tl.srt =90,
13cl.pos =NULL, cl.lim =NULL,
14cl.length =NULL, cl.cex =0.8, cl.ratio =0.15,
15cl.align.text ="c",cl.offset =0.5,
16addshade = c("negative","positive","all"),
17shade.lwd =1, shade.col ="white",
18p.mat =NULL, sig.level =0.05,
19insig = c("pch","p-value","blank","n"),
20pch =4, pch.col ="black", pch.cex =3,
21plotCI = c("n","square","circle","rect"),
22lowCI.mat =NULL, uppCI.mat =NULL,...)
关键参数：
corr, 需要可视化的相关系数矩阵，
method, 指定可视化的形状，可以是circle圆形(默认)，square方形，
ellipse, 椭圆形，number数值，shade阴影，color颜色，pie饼图。
type，指定显示范围，可以是full完全(默认)，lower下三角，upper上三角。
col, 指定图形展示的颜色，默认以均匀的颜色展示。
支持
grDevices包中的调色板，也支持RColorBrewer包中调色板。
bg, 指定背景颜色。
add, 表示是否添加到已经存在的plot中。默认FALSE生成新plot。
title, 指定标题，
is.corr，是否为相关系数绘图，默认为TRUE,FALSE则可将其它数字矩阵进行可视化。
diag, 是否展示对角线上的结果，默认为TRUE，
outline, 是否添加圆形、方形或椭圆形的外边框，默认为FALSE。
mar， 设置图形的四边间距。数字分别对应(bottom, left, top, right)。
addgrid.col, 设置网格线颜色，当指定method参数为color或shade时， 默认的网格线颜色为白色，其它method则默认为灰色，也可以自定义颜色。
addCoef.col， 设置相关系数值的颜色，只有当method不是number时才有效。
addCoefasPercent, 是否将相关系数转化为百分比形式，以节省空间，默认为FALSE。
order, 指定相关系数排序的方法, 可以是original原始顺序，AOE特征向量角序，
FPC第一主成分顺序，hclust层次聚类顺序，alphabet字母顺序。
hclust.method, 指定hclust中细分的方法，只有当指定order参数为hclust时有效，
有7种可选：
complete, ward, single, average, mcquitty, median, centroid。
addrect， 是否添加矩形框，只有当指定order参数为hclust时有效， 默认不添加， 用整数指定即可添加。
rect.col, 指定矩形框的颜色。
rect.lwd, 指定矩形框的线宽。
tl.pos, 指定文本标签(变量名称)相对绘图区域的位置，为"lt"(左侧和顶部),
"ld"(左侧和对角线), "td"(顶部和对角线),"d"(对角线),"n"(无)之一。
当type="full"时,默认"lt"。
当type="lower"时，默认"ld"。
当type="upper"时，默认"td"。
tl.cex, 设置文本标签的大小。
tl.col, 设置文本标签的颜色。
cl.pos, 设置图例位置，为"r"(右边), "b"(底部),"n"(无)之一。
当
type="full"/"upper"时，默认"r"; 当type="lower"时，默认"b"。
addshade, 表示给增加阴影，只有当method="shade"时有效。
为
"negative"(对负相关系数增加阴影),负相关系数的阴影是135度；
"positive"(对正相关系数增加阴影), 正相关系数的阴影是45度；
"all"(对所有相关系数增加阴影)，之一。
shade.lwd, 指定阴影线宽。
shade.col, 指定阴影线的颜色。
1.2
method与type
1library(corrplot)
2library(showtext)
3mat_cor <- cor(mtcars)
4
5par(mfrow = c(2,2))# 多图排版，2x2矩阵排列
6
7corrplot(mat_cor, title ="默认圆形全显示",# 默认method为圆形，默认type为full
8mar = c(1,1,1,1))# 指定边距，否则标题显示不完全
9corrplot(mat_cor, method ="ellipse",type="upper", title ="椭圆上三角",
10mar = c(1,1,1,1))
11corrplot(mat_cor, method ="number",type="lower", title ="数字下三角",
12mar = c(1,1,1,1))
13corrplot(mat_cor, method ="circle",type="upper", title ="圆形上三角",
14mar = c(1,1,1,1))
15corrplot(mat_cor, method ="square",type="lower", title ="方形下三角",
16mar = c(1,1,1,1))
17corrplot(mat_cor, method ="shade",type="full", title ="阴影全显示",
18mar = c(1,1,1,1))
19corrplot(mat_cor, method ="color",type="upper", title ="颜色上三角",
20mar = c(1,1,1,1))
21corrplot(mat_cor, method ="pie",type="lower", title ="饼图下三角",
22mar = c(1,1,1,1))
1.3
col颜色
颜色可以自定义，支持grDevices包中的调色板。也支持RColorBrewer中的调色板。
1# 自定义色板
2color_1<-colorRampPalette(c("cyan", "magenta"))
3color_2<-colorRampPalette(c("magenta", "cyan")) # 色板反向
4palette_1<-RColorBrewer::brewer.pal(n=11,name="RdYlGn")
5palette_2<-rev(palette_1) # 色板反向
6
7par(mfrow=c(2,2))
8
9corrplot(mat_cor,method="number",col="black",cl.pos="n",
10title="黑色数字",mar=c(1,1,1,1))
11
12corrplot(mat_cor,method="ellipse",col=color_1(10),
13title="自定义颜色",mar=c(1,1,1,1))
14
15corrplot(mat_cor,method="ellipse",col=color_1(200),# 矩阵维度不够大，所以颜色没区别
16title="自定义颜色",mar=c(1,1,1,1))
17
18corrplot(mat_cor,method="ellipse",col=color_2(10),
19title="色板反向",mar=c(1,1,1,1))
20
21par(mfrow=c(1,1))
22corrplot(mat_cor,method="ellipse",col=palette_1,
23title="brewer.pal调色板",mar=c(1,1,1,1))
24corrplot(mat_cor,method="ellipse",col=palette_2,
25title="色板反向",mar=c(1,1,1,1))
26
1.4
diag和bg
1corrplot(mat_cor, method ="ellipse",type="lower", col = palette_2,
2title ="默认显示对角线",diag = TRUE, mar = c(1,1,1,1))
3corrplot(mat_cor, method ="ellipse",type="lower", col = palette_2,
4title ="不显示对角线", diag = FALSE, mar = c(1,1,1,1))
5corrplot(mat_cor, method ="ellipse",type="lower", col = palette_2,
6title ="灰色背景",bg="gray60", mar = c(1,1,1,1))
7corrplot(mat_cor, method ="ellipse",type="lower", col = palette_2,
8title ="浅绿背景",bg="lightblue", mar = c(1,1,1,1))
1.5
order顺序
1corrplot(mat_cor, method ="ellipse", col = palette_2,
2title ="默认original顺序", diag =TRUE, mar = c(1,1,1,1))
3corrplot(mat_cor, method ="ellipse",order="AOE", col = palette_2,
4title ="AOE特征向量角序", diag =TRUE, mar = c(1,1,1,1))
5corrplot(mat_cor, method ="ellipse",order="FPC", col = palette_2,
6title ="FPC第一主成分顺序", diag =TRUE, mar = c(1,1,1,1))
7corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
8title ="hclust层次聚类顺序", diag =TRUE, mar = c(1,1,1,1))
9corrplot(mat_cor, method ="ellipse",order="alphabet", col = palette_2,
10title ="alphabet字母顺序", diag =TRUE, mar = c(1,1,1,1))
1.6
hclust.method和addrect
只有当order="hclust"才有效。
1corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
2hclust.method ="complete", addrect =1, rect.col ="blue", rect.lwd =2,
3title ="hclust.method = \"complete\"", diag =TRUE, mar = c(1,1,1,1))
4corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
5hclust.method ="ward", addrect =2, rect.col ="blue", rect.lwd =2,
6title ="hclust.method = \"ward\"", diag =TRUE, mar = c(1,1,1,1))
7corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
8hclust.method ="single", addrect =3, rect.col ="blue", rect.lwd =2,
9title ="hclust.method = \"single\"", diag =TRUE, mar = c(1,1,1,1))
10corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
11hclust.method ="average", addrect =4, rect.col ="blue", rect.lwd =2,
12title ="hclust.method = \"average\"", diag =TRUE, mar = c(1,1,1,1))
13corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
14hclust.method ="mcquitty", addrect =2, rect.col ="blue", rect.lwd =2,
15title ="hclust.method = \"mcquitty\"", diag =TRUE, mar = c(1,1,1,1))
16corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
17hclust.method ="median", addrect =2, rect.col ="blue", rect.lwd =2,
18title ="hclust.method = \"median\"", diag =TRUE, mar = c(1,1,1,1))
19corrplot(mat_cor, method ="ellipse",order="hclust", col = palette_2,
20hclust.method ="centroid", addrect =2, rect.col ="blue", rect.lwd =2,
21title ="hclust.method = \"centroid\"", diag =TRUE, mar = c(1,1,1,1))
1.7
addCoef.col与addCoefasPercent
1corrplot(mat_cor, method ="ellipse",order="AOE", col = palette_2,
2addCoef.col ="blue",
3title ="添加蓝色系数值", diag =TRUE, mar = c(1,1,1,1))
4corrplot(mat_cor, method ="ellipse",order="AOE", col = palette_2,
5addCoef.col ="gray20",
6title ="添加灰色系数值", diag =TRUE, mar = c(1,1,1,1))
7
8corrplot(mat_cor, method ="ellipse",order="AOE", col = palette_2,
9addCoef.col ="blue", addCoefasPercent =TRUE,
10title ="添加蓝色百分比系数", diag =TRUE, mar = c(1,1,1,1))
11corrplot(mat_cor, method ="ellipse",order="AOE", col = palette_2,
12addCoef.col ="gray20", addCoefasPercent =TRUE,
13title ="添加灰色百分比系数", diag =TRUE, mar = c(1,1,1,1))
——————————————
往期精彩：
50张图，带你认识大学各专业
被知乎反杀，是一种什么体验？
清华、北大、浙大的计算机课程资源集都在这里了
R语言中文社区2018年终文章整理（作者篇）
R语言中文社区2018年终文章整理（类型篇）