使用corrplot包可视化相关性矩阵
2021-01-21 本文已影响0人
生信摆渡
介绍
本文介绍如何绘制相关图中R.相关图是相关矩阵的图形。突出显示数据表中最相关的变量非常有用。在该图中，相关系数根据该值着色。相关矩阵也可以根据变量之间的关联程度进行重新排序。这里使用R corrplot软件包。
请注意，这里也可以使用在线软件来计算相关矩阵并绘制相关图，而无需进行任何安装。
安装R corrplot软件包
要执行本文中的R代码，需要corrplot程序包。
install.packages("corrplot")
相关分析数据
该mtcars数据被用于计算相关矩阵。
head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
计算相关矩阵
M<-cor(mtcars)
head(round(M,2))
mpg cyl disp hp drat wt qsec vs am gear carb
mpg 1.00 -0.85 -0.85 -0.78 0.68 -0.87 0.42 0.66 0.60 0.48 -0.55
cyl -0.85 1.00 0.90 0.83 -0.70 0.78 -0.59 -0.81 -0.52 -0.49 0.53
disp -0.85 0.90 1.00 0.79 -0.71 0.89 -0.43 -0.71 -0.59 -0.56 0.39
hp -0.78 0.83 0.79 1.00 -0.45 0.66 -0.71 -0.72 -0.24 -0.13 0.75
drat 0.68 -0.70 -0.71 -0.45 1.00 -0.71 0.09 0.44 0.71 0.70 -0.09
wt -0.87 0.78 0.89 0.66 -0.71 1.00 -0.17 -0.55 -0.69 -0.58 0.43
相关图：可视化相关矩阵
R corrplot函数用于绘制相关矩阵的图。
该函数的简化格式为：
corrplot(corr, method="circle")
| 参数 | 描述 |
|---|---|
| 更正 | 相关矩阵可视化。要可视化常规矩阵，请使用is.corr = FALSE。 |
| 方法 | 可视化方法：“圆圈”，“颜色”，“数字”等 |
可视化方法
可以使用七种不同的可视化方法：“圆形”，“正方形”，“椭圆”，“数字”，“阴影”，“颜色”，“饼图”（ “circle”, “square”, “ellipse”, “number”, “shade”, “color”, “pie”）。
library(corrplot)
corrplot(M, method="circle")
相关矩阵，R中的相关图，相关图
corrplot(M, method="pie")
相关矩阵，R中的相关图，相关图
corrplot(M, method="color")
相关矩阵，R中的相关图，相关图
正相关以蓝色显示，负相关以红色显示。颜色强度和圆圈的大小与相关系数成正比。
显示相关系数：
corrplot(M, method="number")
相关矩阵，R中的相关图，相关图
相关图布局的类型
布局分为三种：
- “ full”（默认）：显示完整的相关矩阵
- “ upper”：显示相关矩阵的上三角
- “ lower”：显示相关矩阵的下三角
corrplot(M, type="upper")
相关矩阵，R中的相关图，相关图
corrplot(M, type="lower")
相关矩阵，R中的相关图，相关图
重新排序相关矩阵
相关矩阵可以根据被重新排序相关系数。这对于确定矩阵中隐藏的结构和图案很重要。在以下示例中，使用“ hclust”表示层次结构的聚类顺序。
# correlogram with hclust reordering
corrplot(M, type="upper", order="hclust")
相关矩阵，R中的相关图，相关图
# Using different color spectrum
col<- colorRampPalette(c("red", "white", "blue"))(20)
corrplot(M, type="upper", order="hclust", col=col)
相关矩阵，R中的相关图，相关图
# Change background color to lightblue
corrplot(M, type="upper", order="hclust", col=c("black", "white"),
bg="lightblue")
相关矩阵，R中的相关图，相关图
更改相关图的颜色
如上节所示，可以自定义相关图的颜色。RcolorBrewer调色板的颜色在以下R脚本中使用：
library(RColorBrewer)
corrplot(M, type="upper", order="hclust",
col=brewer.pal(n=8, name="RdBu"))
相关矩阵，R中的相关图，相关图
corrplot(M, type="upper", order="hclust",
col=brewer.pal(n=8, name="RdYlBu"))
相关矩阵，R中的相关图，相关图
corrplot(M, type="upper", order="hclust",
col=brewer.pal(n=8, name="PuOr"))
相关矩阵，R中的相关图，相关图
更改文本标签的颜色和旋转
tl.col（用于文本标签颜色）和 tl.srt（用于文本标签字符串旋转）用于更改文本的颜色和旋转。
corrplot(M, type="upper", order="hclust", tl.col="black", tl.srt=45)
相关矩阵，R中的相关图，相关图
将相关图与显着性检验相结合
计算相关性的p值
为了计算p值矩阵，使用了一个自定义R函数：
# mat : is a matrix of data
# ... : further arguments to pass to the native R cor.test function
cor.mtest <- function(mat, ...) {
mat <- as.matrix(mat)
n <- ncol(mat)
p.mat<- matrix(NA, n, n)
diag(p.mat) <- 0
for (i in 1:(n - 1)) {
for (j in (i + 1):n) {
tmp <- cor.test(mat[, i], mat[, j], ...)
p.mat[i, j] <- p.mat[j, i] <- tmp$p.value
}
}
colnames(p.mat) <- rownames(p.mat) <- colnames(mat)
p.mat
}
# matrix of the p-value of the correlation
p.mat <- cor.mtest(mtcars)
head(p.mat[, 1:5])
mpg cyl disp hp drat
mpg 0.000e+00 6.113e-10 9.380e-10 1.788e-07 1.776e-05
cyl 6.113e-10 0.000e+00 1.803e-12 3.478e-09 8.245e-06
disp 9.380e-10 1.803e-12 0.000e+00 7.143e-08 5.282e-06
hp 1.788e-07 3.478e-09 7.143e-08 0.000e+00 9.989e-03
drat 1.776e-05 8.245e-06 5.282e-06 9.989e-03 0.000e+00
wt 1.294e-10 1.218e-07 1.222e-11 4.146e-05 4.784e-06
向相关图添加显着性水平
# Specialized the insignificant value according to the significant level
corrplot(M, type="upper", order="hclust",
p.mat = p.mat, sig.level = 0.01)
相关矩阵，R中的相关图，相关图
# Leave blank on no significant coefficient
corrplot(M, type="upper", order="hclust",
p.mat = p.mat, sig.level = 0.01, insig = "blank")
另外，在上述图中，相关性与p-值> 0.01被认为是微不足道的。在这种情况下，相关系数值留为空白或添加叉号。
自定义相关图
col <- colorRampPalette(c("#BB4444", "#EE9988", "#FFFFFF", "#77AADD", "#4477AA"))
corrplot(M, method="color", col=col(200),
type="upper", order="hclust",
addCoef.col = "black", # Add coefficient of correlation
tl.col="black", tl.srt=45, #Text label color and rotation
# Combine with significance
p.mat = p.mat, sig.level = 0.01, insig = "blank",
# hide correlation coefficient on the principal diagonal
diag=FALSE
)
相关矩阵，R中的相关图，相关图
结论
使用corrplot（） R函数绘制相关矩阵的优美图。
资讯
参考：corrplot介绍
This analysis was performed using R (ver. 3.1.0).
觉得有用的老铁麻烦点个小爱心~😏
