R数据可视化初阶-散点图散点图矩阵相关系数

Posted 2020-09-27 积水成渊数据分析

散点图plot

• plot(v,type,col,xlab,ylab)

• v：数值向量。

• type：采用值“p”仅绘制点，“l”仅绘制线和“o”绘制点和线。

• xlab：x轴的标签。

• ylab：y轴的标签。

• main：图表的标题。

• col：用于给点和线的颜色

在绘制第一行后，可以通过lines()函数使用一个额外的向量作为输入来绘制图表中的第二行

PS：只是用用，数据量太小，基本看不出来啥规律

> cardata
                   mpg cyl disp  hp drat    wt  qsec
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02
Datsun 710        22.8   4  108  93 3.85 2.320 18.61
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02
Valiant           18.1   6  225 105 2.76 3.460 20.22

> plot(x=cardata$wt,y=cardata[,1],xlab=\'weight\',ylab=\'milage\',main=\'weight&milage\')

还可以限定xlim、ylim

散点图绘制，各个变量之间的两两关系

>plot(x=cardata$wt,y=cardata[,1],xlab=\'weight\',ylab=\'milage\',main=\'weight&milage\')
数据来源
> pairs(~wt+mpg+disp+cyl,data=cardata,main="Scatterplot Matrix")

所有变量

> pairs(~.,data=cardata,maintainer=\'Cardata\')
~.指代所有

 

 

 相关系数图：相关系数计算得到的相关系数矩阵

相关系数绘制成图，蓝色代表正相关，红色代表负相关性，颜色深度越深代表数值相关性越高，颜色越浅相关性越低，白色没有相关性。

应用：线性回归和逻辑回归中很有用，因为有的模型需要变量之间是独立的

> library(corrplot)
> corrplot(cor(cardata))
#可以指定图的形状，斜三角、叠加方式等

 追加相关系数

> corrplot(cor(cardata),addCoef.col = \'yellow\')#追加黄色数值

> corrplot(cor(cardata),order="AOE",addCoef.col = \'grey\')#排个序

 

> corrplot(cor(cardata),method = "square",type = "upper")#上三角方形

相关系数&图像

> corrplot(cor(cardata),order="AOE",type = "upper",tl.pos = "tp")
> corrplot(cor(cardata), add = TRUE, type = "lower", method = "number", order = "AOE", col="black",tl.pos = "n",cl.pos = "n")

 

也可以根据聚类等进行呈现，可以看官方手册