相关性作图与其他常见的柱状图等不太一样，两个类别型的变量加上数值以及正负变量等需要展示在图形中，因此相关性的作图有一个专用的R包，corrplot，这里只是记录一下学习过程中的一些列子，便于下次回顾。
文章目录
- 常用参数
- method
- type
- add
- col
- bg
- title
- is.corr
- diag
- outline
- na.label和na.label.col
常用参数
method
method参数用来控制图形的显示方式，比如用数字或者图形及其对应的属性来表示相关性，使用图形的话又可以使用什么样的形状等，可选的参数有：
- circle
corrplot(cor_p53_data,method = "circle")该参数为默认图形，表示利用圆圈来表示，圆圈的大小和圆圈的颜色表示相似性的高低（会有对应的图例），可以看出缺失值是用问号表示的。
- square
类似于circle，只是形状不同。
corrplot(cor_p53_data,method = "square")
- ellipse
椭圆形，大小不会改变
corrplot(cor_p53_data,method = "ellipse")
- number
将数字显示其上
corrplot(cor_p53_data,method = "number")
- pie
利用饼图限制相关性，饼的面积等于相关性（除以1） - shade
利用阴影的颜色表示相关性 - color
type
也就是显示的形式，有三种类型
- full
也就是全部显示，这是默认的显示方式 - upper
只显示上半部分，这里只适用于对称的相关性分析的数据 - lower
只显示下半部分
add
是否直接将新的图形叠加到旧的图形上去
比如
corrplot(M,type = "upper")
corrplot(M,type = "lower",add = T)
col
这个参数用来控制颜色范围，比较重要，这个参数的主要控制函数是 colorRampPalette，该参数利用我们给定的颜色向量以及划分子集的数量来对图例进行划分，向量的长度可以自行控制。自己多操作几遍就会有成就感，比如
corrplot(cor_p53_data,col=colorRampPalette(c("green","red","yellow"))(1000))
bg
背景色，就是指图形内部的背景色,这里我用灰色，对比高一些会便于观察。
corrplot(cor_p53_data,bg="grey")
title
也就是表头，这里不做展示
is.corr
指示这个数据是不是对称的，也就是说相关性的正负值是否是对称的，比如-1到1就是对称的，-0.5到1就不是对称的，假如is.corr=T,那么会默认为值是-1到1的范围。例如
corrplot(cor_p53_data,is.corr = T)
可以看出颜色都比较浅，视觉上没有冲击力
corrplot(cor_p53_data,is.corr = F)
可以看出，图例是根据数据的真实范围来确定上下边界的。视觉上会比较好看。
diag
是否显示对角线，因为对角线的值必然是1，所以颜色是最深的，颜色也都一样，将diag=F,那么就不会在图中显示对角线的值。
corrplot(M,type = "upper",diag = F)
corrplot(M,type = "upper",diag = T)
outline
圆圈是否有边界线，比如圆，圆环是否有颜色（默认值为黑色）
na.label和na.label.col
这里用来控制na的显示格式与颜色
na.label用来控制显示的方式，默认为？，也可以选择其他单个字符，字符长度不能大于2，也可以选择什么都不写，设置为"square"
na.label.col用来控制na显示的颜色
corrplot(cor_p53_data,col = colorRampPalette(c("green","red"))(200),is.corr = F,
na.label = "c",na.label.col= "black")
corrplot(cor_p53_data,col = colorRampPalette(c("green","red"))(200),is.corr = F,
na.label = "square",na.label.col= "black")
还有一些关于方格，字体等等的控制参数，以后有时间在更新。
