r语言数据分析图（R语言数据可视化系列）

r语言数据分析图（R语言数据可视化系列）spread=FALSE，表示不添加展示分散度和对称信息的直线对角线上显示了每个变量的核密度估计图和轴须图#查看头几行数据 head(mtcars) pairs(~mpg disp drat wt data=mtcars main="基本散点图矩阵")基本散点图矩阵scatterplotMatrix( )，推荐使用，绘制带有拟合曲线的散点图矩阵散点图上添加了线性拟合和平滑拟合线（绿线和红线）

散点图矩阵可以非常直观地看到多个变量两两间的相关性，是变量间相关性分析的一把利器。

基本散点图矩阵

• pairs( )，绘制基本散点图矩阵

• ~mpg disp drat wt，表示所有需要绘制散点图矩阵的变量

• 在行和列的交叉处为两个变量之间的散点图，上方的图形和下方的图形对称，加入参数upper.panel=NULL可设置只显示下半部分

#查看头几行数据 head(mtcars) pairs(~mpg disp drat wt data=mtcars main="基本散点图矩阵")

基本散点图矩阵

散点图拟合矩阵（推荐）

• scatterplotMatrix( )，推荐使用，绘制带有拟合曲线的散点图矩阵
  

• 散点图上添加了线性拟合和平滑拟合线（绿线和红线）

• 对角线上显示了每个变量的核密度估计图和轴须图

• spread=FALSE，表示不添加展示分散度和对称信息的直线

• lty=2，设置线性拟合（绿线）线的形状为type“2”，也就是虚线

library(car) scatterplotMatrix(~mpg disp drat wt data=mtcars spread=FALSE lty=2 main="利用car包绘制散点图矩阵")

~mpg disp drat wt|cyl，不同发动机缸数cyl下的散点图

diagonal="histogram"，设置对角线上的图形为变量的直方图

○代表4缸发动机，△代表6缸发动机，﹢代表8缸发动机

scatterplotMatrix(~mpg disp drat wt|cyl data=mtcars spread=FALSE lty=2 diagonal="histogram" main="不同发动机缸数下的散点图矩阵")

不同类别下的散点图拟合矩阵

带颜色的排序散点图矩阵

• cpairs(），画图函数
  

• cor( )，计算变量的相关系数矩阵

• 变量离主对角线越近相关性越高

• 优点：当变量数目比较多时，利用这个图一眼就能找到与我们所关注的变量最相关的变量

cor(mtcars[ c('mpg' 'disp' 'drat' 'wt')])

相关系数矩阵

library(gclus) data=mtcars[ c(1 3 5 6)] data.cor=abs(cor(data)) colors=dmat.color(data.cor) #生成颜色矩阵 order=order.single(data.cor) #用来排序 cpairs(data order panel.colors=colors gap=0.5 main="带颜色的排序散点图矩阵") #gap=0.5，增加两个图形之间的间距

带颜色的排序散点图矩阵

从图中可以看出，相关性最高的是车重wt和排量disp以及车重wt和每加仑英里数mpg（标了红色，而且离主对角线近）。相关性最低的是后轴比drat和每加仑英里数mpg（标了黄色，且离主对角线较远）。