作者：张光耀，硕士研究生，现就读于中科院心理所
GitHub主页 ：https://github.com/usplos
corrplot 是实现相关矩阵可视化的包，在Rstudio中，可直接下载
install.packages(‘corrplot’)这里我们使用psych数据包中的USJudgeRatings数据，包含了律师对美国高等法院法官的评分，包含43个观测，12个变量，分别如下。
第一阶段的任务是计算数据框的各个变量的相关矩阵，命令如下：
library(corrplot) # 加载corrplot数据包
library(psych) # 加载psych数据包
corrmatrix = cor(USJudgeRatings, method = ‘pearson’) # 计算相关矩阵，方法为pearson相关
head(corrmatrix)corrmatrix的数据如下所示：
包含了12个变量两两配对的相关系数，对角线上的系数为1，因为是变量与自身的相关.
下一步是通过corrplot() 函数将相关矩阵可视化。命令如下：
rownames(corrmatrix) = paste(1:ncol(USJudgeRatings), names(USJudgeRatings),sep = ' ') # 设置矩阵的行变量名为 <数字 变量名> 的格式
colnames(corrmatrix) = as.character(1:ncol(USJudgeRatings)) # 设置矩阵的列变量名为数字
col3 <- colorRampPalette(c('DodgerBlue3','white', "OrangeRed")) # 返回一个函数col3, 用来设置相关矩阵图的colorbar的分段
corrplot(corrmatrix, method = 'circle', diag = F, type = 'full', outline = F,
col = col3(20), cl.lim = c(-1,1),addgrid.col = NA,
tl.pos = 'lb',tl.cex = 0.75, tl.col = 'black', tl.srt = 0, tl.offset = 0.5)
axis(1,at = 1:12, labels = NA, pos = 12.5, tck = -0.01) # 在图片上边添加坐标轴，设置其刻度为位置，标签，画的位置，刻度的朝向
axis(4,at = 1:12, labels = NA, pos = 0.5, tck = -0.01) # 在图片左边添加坐标轴，设置参数同上生成的图片如下，看出第2 –12个变量之间存在高度的相关，而又和第1个变量的相关较小：
结合图片解释一下corrplot() 的参数：
corrmatrix – 相关矩阵；
method – 呈现方式，包括circle(默认) – 圆形，square – 方块，ellipse – 椭圆，number – 数字，pie – 饼图，shade – 阴影，color – 颜色；
diag – 是否画对角线，这里设置为不画；
type – 画图的哪一部分，包括full – 全部，lower – 下三角，upper – 上三角；
col – 颜色，默认为由红到蓝，格式为c(bottom, middle, top)，bottom – -1处的颜色，middle – 0处的颜色，top – 1处的颜色；这里先用colorRampPalette生成了颜色设置函数col3(number), number – colorbar上分段的数量，这里分了20短，即每0.1为一段；
cl.lim – 颜色的范围，默认为-1到1，注意设置的范围要包含矩阵中的所有数据；
addgrid.col – 网格的颜色，默认为灰色，这里设置为NA，即不画网格；
tl.pos – 坐标轴标签的位置，包括lt – 左边和上边，ld – 左边和对角线，td – 上边和对角线，d – 对角线，n – 不画；这里设置为lt，即行变量名在左边，列变量名在上边；
tl.cex – 标签的大小；
tl.col – 标签的颜色；
tl.srt – 标签旋转的角度；
tl.offset – 标签和图片的相对位置；
hclust.method – 相关系数聚类的方法，默认不聚类，具体方法包括"ward", "ward.D", "ward.D2", "single", "complete", "average", "mcquitty", "median", "centroid",具体读者可自行尝试
outline – 是否画圆圈的边界，默认不画，可为逻辑变量或字符变量（字符变量为设置边界的颜色）；
title – 图片的标题。
以上为corrplot()常用的参数，基本上可供读者做出漂亮的相关矩阵图了。
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法