没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
15页
相关数据矩阵相信大家不是十分的陌生,在数据分析中经常使用到。我们常见的相关数据矩阵主要是通过热图的形式展现,那么在R语言里面又是怎样全面的对相关数据矩阵进行展示的呢?今天我们整理了R语言里面常用的13种相关数据矩阵展示方法,希望对大家有所帮助。
资源推荐
资源详情
资源评论
R
语
言
搬
运
工
R
语
言
搬
运
工
引言 Introduction
1 |
安装与运行 Installandrun
2 |
https://blog.csdn.net/weixin_39372811?spm=1000.2115.3001.5343
[R语言13种相关矩阵可视化方法]
相关数据矩阵相信大家不是十分的陌生,在数据分析中经常使用到。我们
常见的相关数据矩阵主要是通过热图的形式展现,那么在R语言里面又是
怎样全面的对相关数据矩阵进行展示的呢?今天我们整理了R语言里面常
用的13种相关数据矩阵展示方法,希望对大家有所帮助。
使用到的R语言包列举如下:
R
语
言
搬
运
工
R
语
言
搬
运
工
https://blog.csdn.net/weixin_39372811?spm=1000.2115.3001.5343
[R语言13种相关矩阵可视化方法]
首先是R语言基础包pairs求相关矩阵的方法,函数主要是pairs函数的用法:
#1.
自定义函数
pannel.cor
:显示两两变量间的相关系数,相关系数越大字号越大。
panel.cor <‐ function(x,y,digits= 2,prefix= "",cex.cor,...)
{
usr <‐ par("usr");on.exit(par(usr))
par(usr =c(0, 1, 0, 1))
r<‐ abs(cor(x,y))
txt<‐ format(c(r, 0.123456789),digits=digits)[1]
txt<‐ paste0(prefix,txt)
if(missing(cex.cor))cex.cor <‐ 0.8/strwidth(txt)
text(0.5, 0.5,txt,cex =cex.cor *r)
}
#2.
自定义函数
pannel.hist
:展示各个变量的直方图
panel.hist <‐ function(x,...)
{
usr <‐ par("usr");on.exit(par(usr))
par(usr =c(usr[1:2], 0, 1.5))
h<‐ hist(x,plot= FALSE)
breaks<‐ h$breaks;nB <‐ length(breaks)
y<‐ h$counts;y<‐ y/max(y)
rect(breaks[‐nB], 0,breaks[‐1],y,col= "cyan",...)
}
#3.
自定义函数
panel.ls
:绘制散点图,并为其添加线性拟合直线
panel.lm<‐function(x,y,col=par("col"),bg=NA,pch=par("pch"),
cex=1,col.smooth="black",...){
points(x,y,pch=pch,col=col,bg=bg,cex=cex)
abline(stats::lm(y~x),col=col.smooth,...)
}
#4.
用相关系数(
pannel.cor
)替代默认图形上三角的散点图,用直方图(
pannel.hist
)替代默
认图形对角线的变量名称,用添加线性拟合线的散点图(
panel.ls
)代替默认图形下三角的散点
图。
pairs(iris[1:4],main= "Anderson'sIrisData‐‐ 3species",
pch = 21,bg =c("red", "green3", "blue")[unclass(iris$Species)],
diag.panel=panel.hist,
upper.panel=panel.cor,
lower.panel=panel.lm)
R
语
言
搬
运
工
R
语
言
搬
运
工
https://blog.csdn.net/weixin_39372811?spm=1000.2115.3001.5343
[R语言13种相关矩阵可视化方法]
gpairs包同样也可以对数据相关矩阵起到可视化的目的,具体代码如下:
library(gpairs)
gpairs(iris,
upper.pars = list(scatter= 'points'),
lower.pars = list(scatter= "points"),
outer.margins = list(bottom=unit(2, "lines"),
left=unit(2, "lines"),
top=unit(2, "lines"),
right=unit(2, "lines")),
outer.labels = NULL,
outer.rot =c(0, 90),
gap= 0.05,
buffer= 0.02,
reorder= NULL,
cluster.pars = NULL,
bwplot.pars = NULL,
stripplot.pars = NULL,
barcode.pars=NULL,
mosaic.pars = NULL,
axis.pars = NULL,
diag.pars = NULL,
whatis = FALSE,
scatter.pars = list(pch =substr(as.character(iris$Species), 1, 1),
col= as.numeric(iris$Species)),
stat.pars = list(verbose= TRUE))
剩余14页未读,继续阅读
R语言搬运工
- 粉丝: 286
- 资源: 171
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
前往页