数据分析可视化图表占比怎么做（R数据可视化）
数据分析可视化图表占比怎么做（R数据可视化）geom_text(aes(label=corr) size=3 colour="black" alpha=0.7)为正负相关设置不同的颜色geom_point(aes(size=abs(corr)) shape=22 colour="black")4. 设置标签使用 geom_text 添加标签我们首先使用 ggplot2 包提供的函数来绘制这些图形先计算相关系数矩阵mat<-as.data.frame(round(cor(mtcars) 2)) mat$var1<-rownames(mat) data<-gather(mat key="var2" value="corr" -var1)1. 热图library(RColorBrewer) #获取5个颜色 my_color<-brewer.pal(5
前言相关系数图是对相关系数矩阵进行可视化的，用于展示多组变量之间的相关性。
根据数据的分布特征，可以应用不同的相关系数计算方法，如 pearson、spearman、Kendall 等
相关系数矩阵的可视化图形，可以是热图、气泡图、方块图、椭圆图，也可以是纯数字文本形式，等等。
下面我们介绍它们的绘制方法
示例我们首先使用 ggplot2 包提供的函数来绘制这些图形
先计算相关系数矩阵
mat<-as.data.frame(round(cor(mtcars) 2))
mat$var1<-rownames(mat)
data<-gather(mat key="var2" value="corr" -var1)1. 热图
library(RColorBrewer)
#获取5个颜色
my_color<-brewer.pal(5 "Spectral")
ggplot(data aes(var1 var2 fill=corr))
geom_tile(colour="black")
scale_fill_gradientn(colours=my_color)
ggplot(data aes(var1 var2 fill=corr))
geom_point(aes(size=abs(corr)) shape=21 colour="black")
scale_fill_gradientn(colours=my_color)
scale_size_area(max_size=15 guide=FALSE)
只要设置参数 shape = 22，就可以换成方块了
geom_point(aes(size=abs(corr)) shape=22 colour="black")
使用 geom_text 添加标签
geom_text(aes(label=corr) size=3 colour="black" alpha=0.7)
为正负相关设置不同的颜色
geom_point(aes(fill=corr>0 size=corr) shape=21)
如果想绘制上三角或下三角该怎么做？
ggplot2 并没有提供相应的操作，但是我们可以手动对数据进行处理，将对应的数据赋值为 NA
比如，我想绘制下三角。首先，把上三角赋值为 NA
mat<-as.data.frame(round(cor(mtcars) 2))
for(iin1:10){
for(jin(i 1):11){
mat[i j]<-NA
}
}
然后将变量名的顺序固定为行名顺序
mat$var1<-rownames(mat)
data<-gather(mat key="var2" value="corr" -var1)%>%
mutate(var1=factor(var1 levels=rownames(mat))
var2=factor(var2 levels=rownames(mat)))
然后绘制图形
my_color<-brewer.pal(5 "Spectral")
ggplot(data aes(var1 var2))
geom_point(aes(fill=corr size=corr) shape=21)
geom_text(aes(label=corr) size=3 colour="white")
scale_fill_gradientn(colours=my_color)
scale_size_area(max_size=15 guide=FALSE)
theme(legend.position="none")
如果想将文本和形状分别绘制在上三角和下三角，操作也是类似的，只是要多添加一个上三角矩阵。
mat1<-as.data.frame(round(cor(mtcars) 2))
for(iin1:10){
for(jin(i 1):11){
mat1[i j]<-NA
}
}
mat2<-as.data.frame(round(cor(mtcars) 2))
for(iin1:11){
for(jin1:i){
mat2[i j]<-NA
}
}
mat1$var1<-rownames(mat1)
data1<-gather(mat1 key="var2" value="corr" -var1)%>%
mutate(var1=factor(var1 levels=rownames(mat1))
var2=factor(var2 levels=rownames(mat1)))
mat2$var1<-rownames(mat2)
data2<-gather(mat2 key="var2" value="corr" -var1)%>%
mutate(var1=factor(var1 levels=rownames(mat2))
var2=factor(var2 levels=rownames(mat2)))
my_color<-brewer.pal(5 "Spectral")
ggplot(data1 aes(var1 var2))
geom_point(aes(fill=corr size=corr) shape=21)
geom_text(data=data2 aes(label=corr colour=corr) size=5)
scale_fill_gradientn(colours=my_color)
scale_colour_gradientn(colours=my_color)
scale_size_area(max_size=15 guide=FALSE)
theme(legend.position="none")
如果要将对角线换成变量名，也很简单
mat1<-as.data.frame(round(cor(mtcars) 2))
for(iin1:11){
for(jini:11){
mat1[i j]<-NA
}
}
mat2<-as.data.frame(round(cor(mtcars) 2))
for(iin1:11){
for(jin1:i){
mat2[i j]<-NA
}
}
var_name<-data1%>%
filter(var1==var2)
mat1$var1<-rownames(mat1)
data1<-gather(mat1 key="var2" value="corr" -var1)%>%
mutate(var1=factor(var1 levels=rownames(mat1))
var2=factor(var2 levels=rownames(mat1)))
mat2$var1<-rownames(mat2)
data2<-gather(mat2 key="var2" value="corr" -var1)%>%
mutate(var1=factor(var1 levels=rownames(mat2))
var2=factor(var2 levels=rownames(mat2)))
my_color<-brewer.pal(5 "Spectral")
ggplot(data1 aes(var1 var2))
geom_point(aes(fill=corr size=corr) shape=21)
#geom_point(data=data2 aes(fill=corr size=corr) shape=23)
geom_text(data=data2 aes(label=corr colour=corr) size=5)
geom_text(data=var_name aes(label=var1) size=5)
scale_fill_gradientn(colours=my_color)
scale_colour_gradientn(colours=my_color)
scale_size_area(max_size=15 guide=FALSE)
scale_x_discrete(position='t')
theme(
legend.position="none"
axis.title=element_blank()
)
方块配圆形
geom_point(data=data2 aes(fill=corr size=corr) shape=22)
#geom_text(data=data2 aes(label=corr colour=corr) size=5)
热图配圆形
ggplot(data1 aes(var1 var2))
geom_tile(data=data2 aes(fill=corr) na.rm=TRUE)
geom_text(data=data2 aes(label=corr) colour="black" size=5)
geom_point(aes(fill=corr size=corr) shape=21)
geom_text(data=var_name aes(label=var1) size=5)
scale_fill_gradientn(colours=my_color na.value="white")
scale_colour_gradientn(colours=my_color)
scale_size_area(max_size=15 guide=FALSE)
scale_x_discrete(position='t')
theme(
panel.background=element_blank()
legend.position="none"
axis.title=element_blank()
)
注意，需要将 geom_tile 放在最前面，同时设置 na.value 参数的值
代码：https://github.com/dxsbiocc/learn/blob/main/R/plot/corr_plot.R
总结一下，其实用 ggplot2 做个性化绘图没那么难，重要的是理解其中的原理。
