У мене є матриця з деякими значеннями кореляції. Тепер я хочу побудувати це на графіку, який виглядає більш-менш так:
Як я можу цього досягти?
У мене є матриця з деякими значеннями кореляції. Тепер я хочу побудувати це на графіку, який виглядає більш-менш так:
Як я можу цього досягти?
Відповіді:
Швидкий, брудний і на майданчику:
library(lattice)
#Build the horizontal and vertical axis information
hor <- c("214", "215", "216", "224", "211", "212", "213", "223", "226", "225")
ver <- paste("DM1-", hor, sep="")
#Build the fake correlation matrix
nrowcol <- length(ver)
cor <- matrix(runif(nrowcol*nrowcol, min=0.4), nrow=nrowcol, ncol=nrowcol, dimnames = list(hor, ver))
for (i in 1:nrowcol) cor[i,i] = 1
#Build the plot
rgb.palette <- colorRampPalette(c("blue", "yellow"), space = "rgb")
levelplot(cor, main="stage 12-14 array correlation matrix", xlab="", ylab="", col.regions=rgb.palette(120), cuts=100, at=seq(0,1,0.01))
Швидше виглядає "менше", але варто перевірити (як надати більше візуальної інформації):
Кореляційні матричні еліпси : Кореляційні матричні кола :
Будь-ласка, знайдіть більше прикладів у віньєті корпоративу, на яку посилається @assylias нижче.
ellipse:plotcorr
.
Бібліотека ggplot2 може впоратися з цим geom_tile()
. Схоже, що в цьому сюжеті, можливо, було зроблено деяке масштабування, оскільки немає жодних негативних кореляцій, тому враховуйте це з вашими даними. Використання mtcars
набору даних:
library(ggplot2)
library(reshape)
z <- cor(mtcars)
z.m <- melt(z)
ggplot(z.m, aes(X1, X2, fill = value)) + geom_tile() +
scale_fill_gradient(low = "blue", high = "yellow")
РЕДАГУВАТИ :
ggplot(z.m, aes(X1, X2, fill = value)) + geom_tile() +
scale_fill_gradient2(low = "blue", high = "yellow")
дозволяє вказати колір середньої точки, а за замовчуванням він білий, тому тут може бути приємна настройка. Інші варіанти можна знайти на веб-сайті ggplot тут і тут .
c(-1, -0.6, -0.3, 0, 0.3, 0.6, 1)
із "white"
посередині, щоб кольори відображали симетрію ефективної кореляції.
scale_fill_gradient2()
функціональність, яку ви описуєте, досягається автоматично. Я не знав, що існує.
p <- ggplot(.....) + ... + ....; library(plotly); ggplotly(p)
зробить це інтерактивним
X1
використання:z.m$X1 <- factor(z.m$X1, levels = rev(levels( z.m$X1 )))
Використовуйте пакет corrplot:
library(corrplot)
data(mtcars)
M <- cor(mtcars)
## different color series
col1 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","white",
"cyan", "#007FFF", "blue","#00007F"))
col2 <- colorRampPalette(c("#67001F", "#B2182B", "#D6604D", "#F4A582", "#FDDBC7",
"#FFFFFF", "#D1E5F0", "#92C5DE", "#4393C3", "#2166AC", "#053061"))
col3 <- colorRampPalette(c("red", "white", "blue"))
col4 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","#7FFF7F",
"cyan", "#007FFF", "blue","#00007F"))
wb <- c("white","black")
par(ask = TRUE)
## different color scale and methods to display corr-matrix
corrplot(M, method="number", col="black", addcolorlabel="no")
corrplot(M, method="number")
corrplot(M)
corrplot(M, order ="AOE")
corrplot(M, order ="AOE", addCoef.col="grey")
corrplot(M, order="AOE", col=col1(20), cl.length=21,addCoef.col="grey")
corrplot(M, order="AOE", col=col1(10),addCoef.col="grey")
corrplot(M, order="AOE", col=col2(200))
corrplot(M, order="AOE", col=col2(200),addCoef.col="grey")
corrplot(M, order="AOE", col=col2(20), cl.length=21,addCoef.col="grey")
corrplot(M, order="AOE", col=col2(10),addCoef.col="grey")
corrplot(M, order="AOE", col=col3(100))
corrplot(M, order="AOE", col=col3(10))
corrplot(M, method="color", col=col1(20), cl.length=21,order = "AOE", addCoef.col="grey")
if(TRUE){
corrplot(M, method="square", col=col2(200),order = "AOE")
corrplot(M, method="ellipse", col=col1(200),order = "AOE")
corrplot(M, method="shade", col=col3(20),order = "AOE")
corrplot(M, method="pie", order = "AOE")
## col=wb
corrplot(M, col = wb, order="AOE", outline=TRUE, addcolorlabel="no")
## like Chinese wiqi, suit for either on screen or white-black print.
corrplot(M, col = wb, bg="gold2", order="AOE", addcolorlabel="no")
}
Наприклад:
Досить елегантне IMO
Такий тип графіків серед інших термінів називається "тепловою картою". Як тільки ви отримаєте свою кореляційну матрицю, побудуйте її за допомогою одного з різних навчальних посібників там.
Використання базової графіки: http://flowingdata.com/2010/01/21/how-to-make-a-heatmap-a-quick-and-easy-solution/
Використання ggplot2: http://learnr.wordpress.com/2010/01/26/ggplot2-quick-heatmap-plotting/
Я працював над чимось схожим на візуалізацію, опубліковану @daroczig, з кодом, опублікованим @Ulrik за допомогою plotcorr()
функції ellipse
пакета. Мені подобається використання еліпсів для представлення кореляцій, а використання кольорів для відображення негативної та позитивної кореляції. Однак я хотів, щоб привабливі кольори виділялися кореляціями, близькими до 1 та -1, а не для тих, хто близький до 0.
Я створив альтернативу, коли білі еліпси накладаються на кольорові кола. Кожен білий еліпс має розмір таким чином, щоб частка кольорового кола, видимого за ним, дорівнювала кореляції у квадраті. Коли кореляція близько 1 і -1, білий еліпс малий, і видно значну частину кольорового кола. Коли кореляція близько 0, білий еліпс великий, і мало кольорового кола видно.
Функція, plotcor()
доступна на веб- сайті https://github.com/JVAdams/jvamisc/blob/master/R/plotcor.r .
Приклад отриманого графіку з використанням mtcars
набору даних наведено нижче.
library(plotrix)
library(seriation)
library(MASS)
plotcor(cor(mtcars), mar=c(0.1, 4, 4, 0.1))
Я розумію , що це було в той час, але нові читачі можуть бути зацікавлені в rplot()
з corrr
пакета ( https://cran.rstudio.com/web/packages/corrr/index.html ), який може виробляти види ділянок @daroczig згадує , але дизайн для підходу до передачі даних:
install.packages("corrr")
library(corrr)
mtcars %>% correlate() %>% rplot()
mtcars %>% correlate() %>% rearrange() %>% rplot()
mtcars %>% correlate() %>% rearrange() %>% rplot(shape = 15)
mtcars %>% correlate() %>% rearrange() %>% shave() %>% rplot(shape = 15)
mtcars %>% correlate() %>% rearrange(absolute = FALSE) %>% rplot(shape = 15)
Функція corrplot () з пакету corrplot R також може бути використана для побудови корелограми.
library(corrplot)
M<-cor(mtcars) # compute correlation matrix
corrplot(M, method="circle")
тут опубліковано кілька статей, що описують, як обчислити та візуалізувати кореляційну матрицю:
Ще одне рішення, про яке я нещодавно дізнався, - це інтерактивна теплова карта, створена за допомогою пакету qtlcharts .
install.packages("qtlcharts")
library(qtlcharts)
iplotCorr(mat=mtcars, group=mtcars$cyl, reorder=TRUE)
Нижче наведено статичне зображення отриманого сюжету.
Ви можете побачити інтерактивну версію на моєму блозі . Наведіть курсор на теплову карту, щоб побачити значення рядка, стовпця та комірки. Клацніть на клітинку, щоб побачити графік розсіювання із символами, пофарбованими групою (у цьому прикладі кількість циліндрів, 4 - червоним, 6 - зеленим та 8 - синім). Наведення курсора на точки в розсипці дає назву рядка (в даному випадку марку автомобіля).
Оскільки я не можу коментувати, я мушу дати свій 2c відповідь daroczig як невимушений ...
Діаграма розсіювання еліпса дійсно є з пакету еліпса і генерується за допомогою:
corr.mtcars <- cor(mtcars)
ord <- order(corr.mtcars[1,])
xc <- corr.mtcars[ord, ord]
colors <- c("#A50F15","#DE2D26","#FB6A4A","#FCAE91","#FEE5D9","white",
"#EFF3FF","#BDD7E7","#6BAED6","#3182BD","#08519C")
plotcorr(xc, col=colors[5*xc + 6])
(зі сторінки користувача)
Пакет Corrplot також може бути корисним, якщо тут знайдуться гарні зображення