数据可视化最大值和最小值（R数据可视化）
数据可视化最大值和最小值（R数据可视化）corrplot(mat method="circle" type="lower")那如何将不同图形混合绘制呢？corrplot(mat method="circle" type="upper")下三角mat<-cor(mtcars) corrplot(mat method="circle")square：方形corrplot(mat method="square")ellipse：椭圆corrplot(mat method="ellipse")number：数值corrplot(mat method="number")shade：阴影corrplot(mat method="shade")color：热图corrplot(mat meth
前言前面，我们介绍了如何使用 ggplot2 来绘制相关系数图，这节，我们将介绍用 corrplot 包绘制相关系数图
corrplot 主要用于图形化展示相关系数矩阵、置信区间，同时还包含一些矩阵排序算法。同时能够以简单的方式，选择颜色、文本标签和布局等
安装导入
if(!require(corrplot)){
install.packages("corrplot")
}
library(corrplot)可视化方法
corrplot 包含 7 种可视化方法，可使用 method 参数来进行选择，参数值如下
- circle：圆形
mat<-cor(mtcars)
corrplot(mat method="circle")
- square：方形
corrplot(mat method="square")
- ellipse：椭圆
corrplot(mat method="ellipse")
- number：数值
corrplot(mat method="number")
- shade：阴影
corrplot(mat method="shade")
- color：热图
corrplot(mat method="color")
- pie：饼图
corrplot(mat method="pie")
默认情况下，使用红蓝两种颜色，正相关显示为蓝色，负相关为红色，颜色的强度和图形的大小与相关性成正比
布局方式corrplot 有三种布局方式，通过 type 参数设置
- full: 默认值，绘制整个相关系数矩阵
- upper: 绘制上三角矩阵
- lower: 绘制下三角矩阵
例如，上三角
corrplot(mat method="circle" type="upper")
下三角
corrplot(mat method="circle" type="lower")
那如何将不同图形混合绘制呢？
corrplot 提供了一个封装函数 corrplot.mixed，用于绘制混合图形
该函数通过 lower upper 两个参数指定上下三角的类型，例如
corrplot.mixed(mat)
默认绘制上三角为圆形下三角为数字的图形
设置对角线标签放置的位置 tl.pos 和对角线图像类型 diag
tl.pos 可以是 lt、d、n，分别表示放在左侧、对角线或不显示
diag 可以是 u、l、n 分别表示与上、下三角一致或不绘制
corrplot.mixed(mat tl.pos="lt" diag='l')
设置颜色，其中 tl.col 为对角线标签颜色，lower.col 和 upper.col 分别表示上、下三角的颜色
library(RColorBrewer)
corrplot.mixed(mat lower="ellipse" upper="circle" tl.col="black"
lower.col=brewer.pal(5 "Spectral")
upper.col=brewer.pal(5 "Set2"))
我们可以根据相关系数对矩阵进行重排，从矩阵中找到隐藏的结构和模式。
corrplot 有 4 种排序方法，通过 order 参数设置：
- AOE：特征向量的角度顺序
- FPC：第一主成分顺序
- hclust：层次聚类的顺序，可以使用 hclust.method 参数设置距离度量方法
- alphabet：字母表顺序
corrplot(mat order="AOE")
corrplot(mat order="hclust")
对于 hclust 方式，可以为聚类结果绘制矩形，使用 addrect 参数来指定需要绘制矩形的数量
corrplot(mat order="hclust" hclust.method="median" addrect=3)
根据聚类结果，将颜色设置为 3 种，同时更改背景色
corrplot(mat order="hclust" hclust.method="median" addrect=3
col=brewer.pal(3 "Set1") bg=brewer.pal(7 "Set2")[7])
cl.* 参数是设置颜色图例的参数，tl.* 是设置文本图例的参数
例如，tl.col 和 tl.srt 用来设置文本标签的颜色和旋转
corrplot(mat order="FPC" cl.pos="b" tl.srt=45)
corrplot(mat order="FPC" cl.ratio=0.2 cl.align="l")
corrplot(mat order="hclust" type="lower"
tl.pos='d' tl.cex=1.25 tl.srt=45 tl.col="black")
默认情况下，corrplot 会将 NA 值渲染为 ? 可以使用 na.label 参数设置 NA 值的显示
mat2<-mat
diag(mat2)<-NA
corrplot(mat2)
corrplot(mat2 na.label="*")
可以在文本标签前面加上 :、=、$ 字符前缀，来激活 plotmath 表达式渲染
mat2<-mat[1:5 1:5]
colnames(mat2)<-c("alpha" "beta" ":alpha beta" ":a[0]" "=a[beta]")
rownames(mat2)<-c("alpha" "beta" NA "$a[0]" "$a[beta]")
corrplot(mat2)
我们还可以在图像中添加显著性信息。首先，使用 cor.mtest 计算显著性 p 值和置信区间
>pmat<-cor.mtest(mtcars conf.level=.95)
>str(pmat)
Listof3
$p:num[1:11 1:11]0.006.11e-109.38e-101.79e-071.78e-05...
$lowCI:num[1:11 1:11]1-0.926-0.923-0.8850.436...
$uppCI:num[1:11 1:11]1-0.716-0.708-0.5860.832...
然后将计算结果中的 p 值传递给 p.mat 参数，同时设置显著性水平 sig.level，高于该值的相关系数被认为是不显著的
corrplot(mat p.mat=pmat$p sig.level=0.05)
可以看到，不显著的相关系数被画 Ⅹ 了，我们可以设置 insig = "blank" 不显示不显著的点
corrplot(mat p.mat=pmat$p sig.level=0.05
insig="blank")
insig 参数还支持其他值
- pch: 默认值
- p-value: 显示 p 值
- n: 不做任何操作
- label_sig: 用 pch 参数的值来表示显著性，默认是星号
搭配 sig.level 使用，按照等级绘制多个 *
corrplot(mat p.mat=pmat$p sig.level=c(.001 .01 .05)
insig="label_sig" pch.cex=0.9 pch.col="white")
pch 参数可以设置显著的点的显示文本
corrplot(mat p.mat=pmat$p sig.level=0.05 pch="p<0.05"
insig="label_sig" pch.cex=0.7 pch.col="white")
根据上一步计算出的置信上下限，我们可以展示变量之间的置信区间
使用 lowCI.mat 和 uppCI.mat 来设置置信区间的上下限，使用 plotCI 参数来设置显示的图形，支持 n（不显示） square circle rect 四种类型
corrplot(mat lowCI.mat=pmat$lowCI uppCI.mat=pmat$uppCI
order="hclust" plotCI="rect" cl.pos="n")
最后，需要说明的一点是，该包不只是针对相关系数矩阵，也可以绘制其他类型的矩阵
例如
ran<-round(matrix(runif(225 -100 100) 15))
corrplot(ran is.corr=FALSE method="ellipse" cl.lim=c(-100 100))
如果行列数不一致，可以使用 win.asp 参数将图形调整为正方形
ran<-matrix(rnorm(70) ncol=7)
corrplot(ran is.corr=FALSE win.asp=.7 method="circle")
