R语言数据可视化ggplot2-检验变量相关性图形汇总

可视化用于检验变量相关性

本文介绍的图主要有助于检查两个变量的相关程度。共涉及图形包括：

• 1.散点图 Scatterplot
• 2.带环绕的散点图 Scatterplot with Encircling
• 3.抖动图 Jitter Plot
• 4.计数图 Counts Chart
• 5.气泡图 Bubble Plot
• 6.边际直方图/箱线图 Marginal Histogram / Boxplot
• 7.相关图 Correlogram

1.散点图 Scatterplot

数据分析最常用的图无疑是散点图。每当你想了解两个变量之间关系的性质时，第一选择总是散点图。它可以使用 geom_point() 绘制。此外，默认情况下绘制平滑线的 geom_smooth 可以通过设置 method='lm' 调整以绘制最佳拟合线。

# 导入所需包和数据options(scipen=999)  # 关闭科学记数法，如 1e+48library(ggplot2)theme_set(theme_bw())  # 设置 theme_bw()为默认主题.data("midwest", package = "ggplot2") # 导入数据# midwest <- read.csv("http://goo.gl/G1K41K")  # 数据源# Scatterplotgg <- ggplot(midwest, aes(x=area, y=poptotal)) +   geom_point(aes(col=state, size=popdensity)) +   geom_smooth(method="loess", se=F) +   xlim(c(0, 0.1)) +   ylim(c(0, 500000)) +   labs(subtitle="Area Vs Population", y="Population", x="Area", title="Scatterplot", caption = "Source: midwest")plot(gg)

2.带环绕的散点图 Scatterplot With Encircling

在展示结果时，有时我会在图表中圈出某些特殊的点或区域，以引起人们对那些特殊情况的注意。这可以使用 ggalt 包中的 geom_encircle() 方便地完成。

在 geom_encircle() 中，将数据设置为仅包含点（行）或兴趣的新数据框。此外，可以使用曲线以便刚好包围想要强调的点。曲线的颜色和大小（粗细）也可以修改。见下面的例子。

# install 'ggalt' pkg# devtools::install_github("hrbrmstr/ggalt")options(scipen = 999)library(ggplot2)library(ggalt)# 希望强调的区域midwest_select <- midwest[midwest$poptotal > 350000 & midwest$poptotal <= 500000 & midwest$area > 0.01 & midwest$area < 0.1, ]# Plotggplot(midwest, aes(x=area, y=poptotal)) +   geom_point(aes(col=state, size=popdensity)) +   # draw points  geom_smooth(method="loess", se=F) +   xlim(c(0, 0.1)) +   ylim(c(0, 500000)) +   # draw smoothing line  geom_encircle(aes(x=area, y=poptotal),   data=midwest_select,   color="red",   size=2,   expand=0.08) +   # encircle  labs(subtitle="Area Vs Population", y="Population", x="Area", title="Scatterplot + Encircle", caption="Source: midwest")

3.抖动图 Jitter Plot

让我们看一个新的数据来绘制散点图。这一次，我将使用 mpg 数据集绘制城市里程 (cty) 与高速公路里程 (hwy)。

# load package and datalibrary(ggplot2)data(mpg, package="ggplot2") # alternate source: "http://goo.gl/uEeRGu")theme_set(theme_bw())  # pre-set the bw theme.g <- ggplot(mpg, aes(cty, hwy))# Scatterplotg + geom_point() +   geom_smooth(method="lm", se=F) +  labs(subtitle="mpg: city vs highway mileage", y="hwy", x="cty", title="Scatterplot with overlapping points", caption="Source: midwest")

我们这里有一个 mpg 数据集中城市和高速公路里程的散点图。我们已经看到了一个类似的散点图，它看起来很整洁，并且清楚地说明了城市里程 (cty) 和高速公路里程 (hwy) 之间的相关性。

但是，这个看似合理的描述却隐藏了什么内容。你可以找到嘛？

dim(mpg)

## [1] 234  11

原始数据有 234 个数据点，但图表显示的点似乎更少。发生了什么？这是因为有许多重叠点显示为单个点。 cty 和 hwy 在源数据集中都是整数这一事实使得隐藏这个细节更加方便。因此，下次使用整数制作散点图时要格外小心。

那么如何处理呢？有几个选项。我们可以使用 jitter_geom() 制作抖动图。顾名思义，重叠点根据宽度参数(width)控制的阈值在其原始位置周围随机抖动。

# load package and datalibrary(ggplot2)data(mpg, package="ggplot2")# mpg <- read.csv("http://goo.gl/uEeRGu")# Scatterplottheme_set(theme_bw())  # pre-set the bw theme.g <- ggplot(mpg, aes(cty, hwy))g + geom_jitter(width = .5, size=1) +  labs(subtitle="mpg: city vs highway mileage", y="hwy", x="cty", title="Jittered Points")

现在揭示更多点。宽度越大，点从其原始位置移动得越多。

4.计数图 Counts Chart

克服数据点重叠问题的第二种选择是使用计数图。哪里有更多的点重叠，圆圈的大小就会变大。

# load package and datalibrary(ggplot2)data(mpg, package="ggplot2")# mpg <- read.csv("http://goo.gl/uEeRGu")# Scatterplottheme_set(theme_bw())  # pre-set the bw theme.g <- ggplot(mpg, aes(cty, hwy))g + geom_count(col="tomato3", show.legend=F) +  labs(subtitle="mpg: city vs highway mileage", y="hwy", x="cty", title="Counts Plot")

5.气泡图 Bubble plot

虽然散点图可以比较2个连续变量之间的关系，但如果您想基于以下基础了解基础组内的关系，则气泡图非常有用：

• 一个分类变量（通过改变颜色）
• 另一个连续变量（通过改变点的大小）。

简而言之，如果您有 4 维数据，其中两个是数字（X 和 Y），另一个是分类变量（颜色）和另一个数字变量（大小），则气泡图更合适。

气泡图清楚地区分了displ之间的差异范围以及最佳拟合线(lines-of-best-fit varies)的斜率如何变化，从而提供了更好的组间视觉比较。

# load package and datalibrary(ggplot2)data(mpg, package="ggplot2")# mpg <- read.csv("http://goo.gl/uEeRGu")mpg_select <- mpg[mpg$manufacturer %in% c("audi", "ford", "honda", "hyundai"), ]# Scatterplottheme_set(theme_bw())  # pre-set the bw theme.g <- ggplot(mpg_select, aes(displ, cty)) +   labs(subtitle="mpg: Displacement vs City Mileage",title="Bubble chart")g + geom_jitter(aes(col=manufacturer, size=hwy)) +   geom_smooth(aes(col=manufacturer), method="lm", se=F)

6.边际直方图/箱线图

如果要在同一图表中显示关系和分布，请使用边际直方图。它在散点图的边缘有一个 X 和 Y 变量的直方图。

这可以使用ggExtra包中的 ggMarginal() 函数来实现。除了直方图，您还可以通过设置相应的类型选项来选择绘制边际箱线图或密度图。

# load package and datalibrary(ggplot2)library(ggExtra)data(mpg, package="ggplot2")# mpg <- read.csv("http://goo.gl/uEeRGu")# Scatterplottheme_set(theme_bw())  # pre-set the bw theme.mpg_select <- mpg[mpg$hwy >= 35 & mpg$cty > 27, ]g <- ggplot(mpg, aes(cty, hwy)) +   geom_count() +   geom_smooth(method="lm", se=F)ggMarginal(g, type = "histogram", fill="transparent")ggMarginal(g, type = "boxplot", fill="transparent")

# ggMarginal(g, type = "density", fill="transparent")

7.相关图 Correlogram

相关图让您检查同一数据帧中存在的多个连续变量的相关性。这可以使用 corrplot 包方便地实现。

# devtools::install_github("kassambara/ggcorrplot")library(ggplot2)library(ggcorrplot)# Correlation matrixdata(mtcars)corr <- round(cor(mtcars), 1)# Plotggcorrplot(corr, hc.order = TRUE,     type = "lower",     lab = TRUE,     lab_size = 3,     method="circle",     colors = c("tomato2", "white", "springgreen3"),     title="Correlogram of mtcars",     ggtheme=theme_bw)

文章首发于WX公众号：R语言vs科研