R 数据可视化——ggplot 相关系数图

欢迎大家来到IT世界,在知识的湖畔探索吧!

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)

欢迎大家来到IT世界,在知识的湖畔探索吧!

1. 热图

欢迎大家来到IT世界,在知识的湖畔探索吧!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)

欢迎大家来到IT世界,在知识的湖畔探索吧!

2. 气泡图

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)

3. 方块图

只要设置参数 shape = 22，就可以换成方块了

欢迎大家来到IT世界,在知识的湖畔探索吧!geom_point(aes(size = abs(corr)), shape = 22, colour = "black") 

4. 设置标签

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

欢迎大家来到IT世界,在知识的湖畔探索吧!geom_point(aes(fill = corr > 0, size = corr), shape = 21)

5. 混合绘图

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 (i in 1:10) {   for (j in (i+1):11) {     mat[i,j] <- NA   } }

然后将变量名的顺序固定为行名顺序

欢迎大家来到IT世界,在知识的湖畔探索吧!mat$var1 <- rownames(mat) data <- gathermat 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。

欢迎大家来到IT世界,在知识的湖畔探索吧!mat1 <- as.data.frame(round(cor(mtcars), 2)) for (i in 1:10) {   for (j in (i+1):11) {     mat1[i,j] <- NA   } } mat2 <- as.data.frame(round(cor(mtcars), 2)) for (i in 1:11) {   for (j in 1:i) {     mat2[i,j] <- NA   } } mat1$var1 <- rownames(mat1) data1 <- gathermat1 key='var2' value='corr' -var1>%   mutate(var1 = factor(var1, levels = rownames(mat1)),          var2 = factor(var2, levels = rownames(mat1))) mat2$var1 <- rownames(mat2) data2 <- gathermat2 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 (i in 1:11) {   for (j in i:11) {     mat1[i,j] <- NA   } } mat2 <- as.data.frame(round(cor(mtcars), 2)) for (i in 1:11) {   for (j in 1:i) {     mat2[i,j] <- NA   } } var_name <- data1>%    filter(var1 == var2) mat1$var1 <- rownames(mat1) data1 <- gathermat1 key='var2' value='corr' -var1>%   mutate(var1 = factor(var1, levels = rownames(mat1)),          var2 = factor(var2, levels = rownames(mat1))) mat2$var1 <- rownames(mat2) data2 <- gathermat2 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

欢迎大家来到IT世界,在知识的湖畔探索吧!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。