corrplot包与ggcorrplot相关图（一）corrplot包与ggcorrplot相关图（二）R语言可视化（十五）：相关性图绘制
参数解释：
R语言corrplot
示例1
# install.packages("corrplot")
library(corrplot)
library(ggplot2)
library(ggcorrplot)
data("mtcars")
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(corr)
#或者
corrplot(corr, method = “circle”)示例2
library(corrplot)
library(ggplot2)
library(ggcorrplot)
data("mtcars")
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
corr,
type="upper", #保留右上部分图形
addCoef.col="black",#添加相关系数，颜色为黑色
diag=F)#去掉自身相关示例3
library(corrplot)
library(ggplot2)
library(ggcorrplot)
data("mtcars")
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
# 自定义渐变色板 colorRampPalette()
# 用法：
# 1.输入调色板的主要颜色，返回函数
# 2.在函数中输入想要获取的颜色数量，返回颜色数值
library(scales) #调用scales库中的show_col函数
mypalette<- colorRampPalette(c("#BB4444", "#EE9988", "#FFFFFF", "#77AADD", "#4477AA"))
mycolors<- mypalette(200)#200种颜色，返回颜色数值
show_col(mycolors)
corrplot(
corr,
method="color",#调整为正方形
col=mycolors, #200种颜色，返回颜色数值
type="lower", #保留右上部分
order="hclust", #层次聚类
addCoef.col = "black", #添加相关系数
tl.col="black", # 指定文本标签的颜色
tl.srt=0, #修改字体
diag=FALSE )#去除自身相关示例4
method：指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
method = c(“circle”, “square”, “ellipse”, “number”, “shade”, “color”, “pie”)
library(corrplot)
library(ggplot2)
library(ggcorrplot)
data("mtcars")
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
# 自定义渐变色板 colorRampPalette()
# 用法：
# 1.输入调色板的主要颜色，返回函数
# 2.在函数中输入想要获取的颜色数量，返回颜色数值
library(scales) #调用scales库中的show_col函数
mypalette<- colorRampPalette(c("#BB4444", "#EE9988", "#FFFFFF", "#77AADD", "#4477AA"))
mycolors<- mypalette(200)#200种颜色，返回颜色数值
show_col(mycolors)
corrplot(
corr,
method="square",#调整为正方形
col=mycolors, #200种颜色，返回颜色数值
type="lower", #保留右上部分
order="hclust", #层次聚类
addCoef.col = "black", #添加相关系数
tl.col="black", # 指定文本标签的颜色
tl.srt=0, #修改字体
diag=FALSE )#去除自身相关示例5
method：指定可视化的方法——饼图
method = c(“circle”, “square”, “ellipse”, “number”, “shade”, “color”, “pie”)
library(ggplot2)
library(corrplot)
library(tidyverse)
library(ggridges)
#数据准备
#使用lincoln_weather数据集（2016年在内布拉斯加州林肯的天气）
df = lincoln_weather[2:19]
x = na.omit(df[sample(length(df),7)])
colnames(x)=c('A1','A2','A3','A4','A5','A6','A7')
x
corrplot(
# 相关系数矩阵
corr = cor(x),
order = 'AOE',
type = 'lower',
tl.pos = 'd')
corrplot(
corr = cor(x),
add = TRUE,
type = 'upper', # 指定展示的方式，可以是完全的、下三角或上三角
method = 'number',# 指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
order = 'AOE', # 指定相关系数排序的方法，可以是原始顺序(original)、特征向量角序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序，一般”AOE”排序结果都比”FPC”要好
diag = FALSE, #是否展示对角线上的结果，默认为TRUE
tl.pos = 'n', # 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签
cl.pos = 'n')# 图例（颜色）位置，当type=upper或full时，图例在右表(r)，当type=lower时，图例在底部，不需要图例时，只需指定该参数为n示例6
library(corrplot)
library(ggcorrplot)
library(ggplot2)
data("mtcars")
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
# 相关系数矩阵
corr = corr,
order = 'AOE',
type = 'lower',
tl.pos = 'd')
corrplot(
corr = corr,
add = TRUE,
type = 'upper', # 指定展示的方式，可以是完全的、下三角或上三角
method = 'number',# 指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
order = 'AOE', # 指定相关系数排序的方法，可以是原始顺序(original)、特征向量角序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序，一般”AOE”排序结果都比”FPC”要好
diag = FALSE, #是否展示对角线上的结果，默认为TRUE
tl.pos = 'n', # 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签
cl.pos = 'n')# 图例（颜色）位置，当type=upper或full时，图例在右表(r)，当type=lower时，图例在底部，不需要图例时，只需指定该参数为n或者
corrplot(corr, method = 'pie',type='upper')
corrplot.mixed(corr)示例7
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
# 相关系数矩阵
corr = corr,
order = 'AOE',method = 'pie',
type = 'lower',
tl.pos = 'd')
corrplot(
corr = corr,
add = TRUE,
type = 'upper', # 指定展示的方式，可以是完全的、下三角或上三角
method = 'number',# 指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
order = 'AOE', # 指定相关系数排序的方法，可以是原始顺序(original)、特征向量角序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序，一般”AOE”排序结果都比”FPC”要好
diag = FALSE, #是否展示对角线上的结果，默认为TRUE
tl.pos = 'n', # 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签
cl.pos = 'n')# 图例（颜色）位置，当type=upper或full时，图例在右表(r)，当type=lower时，图例在底部，不需要图例时，只需指定该参数为n示例8
method = c(“circle”, “square”, “ellipse”, “number”, “shade”, “color”, “pie”)
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
# 相关系数矩阵
corr = corr,
order = 'AOE',method = 'pie',
type = 'lower',
tl.pos = 'd')
corrplot(
corr = corr,
add = TRUE,
type = 'upper', # 指定展示的方式，可以是完全的、下三角或上三角
method = 'shade',# 指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
order = 'AOE', # 指定相关系数排序的方法，可以是原始顺序(original)、特征向量角序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序，一般”AOE”排序结果都比”FPC”要好
diag = FALSE, #是否展示对角线上的结果，默认为TRUE
tl.pos = 'n', # 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签
cl.pos = 'n')# 图例（颜色）位置，当type=upper或full时，图例在右表(r)，当type=lower时，图例在底部，不需要图例时，只需指定该参数为n示例9
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
# 相关系数矩阵
corr = corr,
order = 'AOE',method = 'number',
type = 'lower',
tl.pos = 'd')
corrplot(
corr = corr,
add = TRUE,
type = 'upper', # 指定展示的方式，可以是完全的、下三角或上三角
method = 'ellipse',# 指定可视化的方法，可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
order = 'AOE', # 指定相关系数排序的方法，可以是原始顺序(original)、特征向量角序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序，一般”AOE”排序结果都比”FPC”要好
diag = FALSE, #是否展示对角线上的结果，默认为TRUE
tl.pos = 'n', # 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签
cl.pos = 'n')# 图例（颜色）位置，当type=upper或full时，图例在右表(r)，当type=lower时，图例在底部，不需要图例时，只需指定该参数为n或者
corrplot(corr, method = 'ellipse')示例10
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
corrplot(
corr=cor(mtcars[1:7]),
order = "AOE",
type="upper",
tl.pos = "d")
corrplot(
corr = cor(mtcars[1:7]),
add=TRUE,
type="lower",
method="number",
order="AOE",
diag=FALSE,
tl.pos="n",
cl.pos="n")示例11
library(corrplot)
library(ggcorrplot)
library(ggplot2)
data("mtcars")
corrplot(
corr =cor(mtcars[1:7]),
order="AOE",
type="upper",
tl.pos="tp")
corrplot(
corr = cor(mtcars[1:7]),
add=TRUE,
type="lower",
method="number",
order="AOE",
col="black",
diag=FALSE,
tl.pos="n",
cl.pos="n")
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
