使用ggplot可视化相关系数

我们使用diamonds这个数据集来做示范

1. 剔除离散变量，只留下连续值

diamonds2 <- select(diamonds,which(!sapply(diamonds,is.factor))

输出为：

 carat depth table price     x     y     z
         
 1 0.23   61.5    55   326  3.95  3.98  2.43
 2 0.21   59.8    61   326  3.89  3.84  2.31
 3 0.23   56.9    65   327  4.05  4.07  2.31
 4 0.290  62.4    58   334  4.2   4.23  2.63
 5 0.31   63.3    58   335  4.34  4.35  2.75
 6 0.24   62.8    57   336  3.94  3.96  2.48
 7 0.24   62.3    57   336  3.95  3.98  2.47
 8 0.26   61.9    55   337  4.07  4.11  2.53
 9 0.22   65.1    61   337  3.87  3.78  2.49
10 0.23   59.4    61   338  4     4.05  2.39

2. 计算相关系数

cor_dia <- cor(diamonds2)

输出：

          carat      depth      table       price
carat 1.00000000  0.02822431  0.1816175  0.9215913
depth 0.02822431  1.00000000 -0.2957785 -0.0106474
table 0.18161755 -0.29577852  1.0000000  0.1271339
price 0.92159130 -0.01064740  0.1271339  1.0000000
x     0.97509423 -0.02528925  0.1953443  0.8844352
y     0.95172220 -0.02934067  0.1837601  0.8654209
z     0.95338738  0.09492388  0.1509287  0.8612494
              x           y         z
carat  0.97509423  0.95172220 0.95338738
depth -0.02528925 -0.02934067 0.09492388
table  0.19534428  0.18376015 0.15092869
price  0.88443516  0.86542090 0.86124944
x      1.00000000  0.97470148 0.97077180
y      0.97470148  1.00000000 0.95200572
z      0.97077180  0.95200572 1.00000000

3.生成dataframe

cor_dia_df <- as.data.frame(cor_dia) %>%
mutate(var1=row.names(cor_dia))%>%
gather(carat:z,key=var2,value=correlation)

输出：

    var1 var2   correlation
1  carat carat  1.00000000
2  depth carat  0.02822431
3  table carat  0.18161755
4  price carat  0.92159130
5      x carat  0.97509423
6      y carat  0.95172220
7      z carat  0.95338738

4. geom_tile()

ggplot(cor_dia_df)+
geom_tile(aes(var1,var2,fill=correlation))

初步效果

ok,到这里我们已经可以生成一张显示相关系数的图表了，但是仍然存在很多可以改进的地方。比如，让正负系数用不同颜色表示，以方便比较；把相近的变量放在一起等等。

5. 使用欧式距离计算变量相似度并聚类

hc <- hclust(dist(cor_dia))
ord <- order.dendrogram(as.dendrogram(hc))
#生成树状结构并排序

6. 对变量进行排序

cor_dia_df2 <- mutate(cor_dia_df,
var1=factor(var1,levels=row.names(cor_dia)[ord]), 
var2=factor(var2,levels=row.names(cor_dia)[ord]))

7. 再次使用geom_tile()

ggplot(cor_dia_df2)+
geom_tile(aes(var1,var2,fill=correlation))+
scale_fill_gradient2()+
theme(axis.text.x=element_text(angle=90,vjust=0,
hjust=1))

最终效果图