散點圖矩陣可以非常直觀地看到多個變量兩兩間的相關性，是變量間相關性分析的一把利器。

• pairs( )，繪制基本散點圖矩陣

• ~mpg disp drat wt，表示所有需要繪制散點圖矩陣的變量

• 在行和列的交叉處為兩個變量之間的散點圖，上方的圖形和下方的圖形對稱，加入參數upper.panel=NULL可設置隻顯示下半部分

#查看頭幾行數據 head(mtcars) pairs(~mpg disp drat wt,data=mtcars,main="基本散點圖矩陣")

基本散點圖矩陣

• scatterplotMatrix( )，推薦使用，繪制帶有拟合曲線的散點圖矩陣

• 散點圖上添加了線性拟合和平滑拟合線（綠線和紅線）

• 對角線上顯示了每個變量的核密度估計圖和軸須圖

• spread=FALSE，表示不添加展示分散度和對稱信息的直線

• lty=2，設置線性拟合（綠線）線的形狀為type“2”，也就是虛線

library(car) scatterplotMatrix(~mpg disp drat wt,data=mtcars,spread=FALSE,lty=2,main="利用car包繪制散點圖矩陣")

scatterplotMatrix(~mpg disp drat wt|cyl,data=mtcars,spread=FALSE,lty=2,diagonal="histogram",main="不同發動機缸數下的散點圖矩陣")

不同類别下的散點圖拟合矩陣

• cpairs(），畫圖函數

• cor( )，計算變量的相關系數矩陣

• 變量離主對角線越近相關性越高

• 優點：當變量數目比較多時，利用這個圖一眼就能找到與我們所關注的變量最相關的變量

cor(mtcars[,c('mpg','disp','drat','wt')])

相關系數矩陣

library(gclus) data=mtcars[,c(1,3,5,6)] data.cor=abs(cor(data)) colors=dmat.color(data.cor) #生成顔色矩陣 order=order.single(data.cor) #用來排序 cpairs(data,order,panel.colors=colors,gap=0.5,main="帶顔色的排序散點圖矩陣") #gap=0.5，增加兩個圖形之間的間距

帶顔色的排序散點圖矩陣

從圖中可以看出，相關性最高的是車重wt和排量disp以及車重wt和每加侖英裡數mpg（标了紅色，而且離主對角線近）。相關性最低的是後軸比drat和每加侖英裡數mpg（标了黃色，且離主對角線較遠）。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部