ggcorrplot_cover.jpg
ggcorrplot的基础用法指南
ggcorrplot
ggcorrplot提供了一种对相关矩阵进行重新排序的解决方案，并在相关图上显示显著性水平。它还包括一个用于计算相关p值矩阵的函数。
安装和加载
install.packages("ggcorrplot")
library(ggcorrplot)
计算相关性矩阵
#以内置的mtcars数据集为例
data(mtcars)
#数据集格式如下
mtcars
#cor()函数可以非常方便快捷的计算出连续变量之间的相关系数、
corr <- round(cor(mtcars), 1)
head(corr[, 1:6])
> head(corr[, 1:6])
mpg cyl disp hp drat wt
mpg 1.0 -0.9 -0.8 -0.8 0.7 -0.9
cyl -0.9 1.0 0.9 0.8 -0.7 0.8
disp -0.8 0.9 1.0 0.8 -0.7 0.9
hp -0.8 0.8 0.8 1.0 -0.4 0.7
drat 0.7 -0.7 -0.7 -0.4 1.0 -0.7
wt -0.9 0.8 0.9 0.7 -0.7 1.0
#用ggcorrplot包提供的函数cor_pmat()计算p值
p.mat <- cor_pmat(mtcars)
head(p.mat[, 1:4])
> head(p.mat[, 1:4])
mpg cyl
mpg 0.000000e+00 6.112687e-10
cyl 6.112687e-10 0.000000e+00
disp 9.380327e-10 1.802838e-12
hp 1.787835e-07 3.477861e-09
drat 1.776240e-05 8.244636e-06
wt 1.293959e-10 1.217567e-07
disp hp
mpg 9.380327e-10 1.787835e-07
cyl 1.802838e-12 3.477861e-09
disp 0.000000e+00 7.142679e-08
hp 7.142679e-08 0.000000e+00
drat 5.282022e-06 9.988772e-03
wt 1.222320e-11 4.145827e-05
可视化相关性矩阵
ggcorrplot(corr)#method默认为square，即方形
cor_square
# method = "circle" 圆形
ggcorrplot(corr, method = "circle")
cor_cicrl
#重排矩阵，使用分层聚类
ggcorrplot(corr, hc.order = TRUE, outline.color = "white")
cor_hc
#展示下半三角
ggcorrplot(corr,
hc.order = TRUE,
type = "lower",
outline.color = "white")
cor_low
#展示上半三角
ggcorrplot(corr,
hc.order = TRUE,
type = "upper",
outline.color = "white")
cor_upper
#改变主题和颜色
ggcorrplot(
corr,
hc.order = TRUE,
type = "lower",
outline.color = "white",
ggtheme = ggplot2::theme_gray,
colors = c("#6D9EC1", "white", "#E46726")
)
cor_color
#加上相关性系数标签
ggcorrplot(corr,
hc.order = TRUE,
type = "lower",
lab = TRUE)
cor_lab
#给有显著性差异的标上记
ggcorrplot(corr,
hc.order = TRUE,
type = "lower",
p.mat = p.mat)
cor_pmat
#在没有显著系数的地方留空
ggcorrplot(
corr,
p.mat = p.mat,
hc.order = TRUE,
type = "lower",
insig = "blank"
)
cor_pmat_blank
参考
https://rpkgs.datanovia.com/ggcorrplot/
往期：
