相关图

作者

[编辑] 柴银盈;

[贡献] 王诗翔, 罗鹏, 杨泓, 李柯馨, 石盈, 郑虎.

相关图或相关矩阵多用于概述整个数据集中各组数据的相关性信息。

示例

Correlogram DEMO

例如上图则为mtcars数据集中各组数据的相关性热图，用颜色来表示不同组别数据的两两相关性，颜色的深浅代表了P值的大小。

环境配置

  • 系统要求： 跨平台（Linux/MacOS/Windows）

  • 编程语言：R

  • 依赖包：GGally; corrplot; ggcorrplot; corrgram

# 安装包
if (!requireNamespace("GGally", quietly = TRUE)) {
  install.packages("GGally")
}
if (!requireNamespace("corrplot", quietly = TRUE)) {
  install.packages("corrplot")
}
if (!requireNamespace("ggcorrplot", quietly = TRUE)) {
  install.packages("ggcorrplot")
}
if (!requireNamespace("corrgram", quietly = TRUE)) {
  install.packages("corrgram")
}

# 加载包
library(GGally)
library(corrplot)
library(ggcorrplot)
library(corrgram)

数据准备

相关性热图主要应用内置数据集进行绘图。

data("flea", package = "GGally")
data_flea <- flea

data("mtcars", package = "datasets")
data_mtcars <- mtcars

data("tips", package = "GGally")
data_tips <- tips

可视化

1. GGally 包

GGally 是常用的相关性图绘制工具，允许注入ggplot2代码，但不具有排序功能。

基础相关图绘制

ggpairs(data_flea, columns = 2:5)

上图展示了flea数据集各组数据的相关性可视化。图片共有三部分：下半部分的对应两组数据的相关散点图；对角线的单组数据密度图；上半部分的对应两组数据的Pearson相关系数值。

注入 ggplot2 代码，为每个类别着色

ggpairs(data_flea, columns = 2:4, ggplot2::aes(colour=species,alpha=0.7))

上图在进行相关性可视化的基础上，对各个类别进行了颜色分类。

自定义绘图类型

ggpairs(data_tips[, c(1, 3, 4, 2)])

summary(data_tips)
   total_bill         tip             sex      smoker      day         time    
 Min.   : 3.07   Min.   : 1.000   Female: 87   No :151   Fri :19   Dinner:176  
 1st Qu.:13.35   1st Qu.: 2.000   Male  :157   Yes: 93   Sat :87   Lunch : 68  
 Median :17.80   Median : 2.900                          Sun :76               
 Mean   :19.79   Mean   : 2.998                          Thur:62               
 3rd Qu.:24.13   3rd Qu.: 3.562                                                
 Max.   :50.81   Max.   :10.000                                                
      size     
 Min.   :1.00  
 1st Qu.:2.00  
 Median :2.00  
 Mean   :2.57  
 3rd Qu.:3.00  
 Max.   :6.00

上图中，tatal_bill与tip为定量数据，sex与smoker为定性数据。下半部分主要根据数据类型的不同绘制了两两相关的散点图、直方图和直条图；对角线部分则为各组数据的分布图；上半部分根据数据类型分别绘制了两两相关的线形图，对于两个定量数据则给出了Pearson相关系数值。

# Changing the plotting type
ggpairs(
  data_tips[, c(1, 3, 4, 2)],
  upper = list(continuous = "density",
               combo = "box_no_facet"),
  lower = list(continuous = "points",
               combo = "dot_no_facet")
)

通过自定义，将下半部分的直方图修改为散点图，上半部分的相关系数值修改为密度图。

相关性可视化

将相关系数可视化呈现。

ggcorr(data_mtcars) # 绘制相关系数热图，默认为Pearson

上图通过ggcorr()函数进行相关系数可视化

ggcorr的method参数：

默认为c("pairwise","pearson")的形式，第一个参数为确定协方差计算时对于缺失值的处理，第二个参数则用于确定相关系数的类型，比如"pearson", "kendall", "spearman"

2. corrplot 包

corrplot包是常用的相关性可视化工具，其具有强大的自定义功能和排序功能。

基础绘图

corr <- cor(data_mtcars)
corrplot(corr)

参数自定义

corrplot()的主要关键参数:

corr 需要可视化的相关系数矩阵

method 可视化的形状

type 显示范围（full 、lower、upper）

col 图形展示的颜色

addCoef.col 相关系数值的颜色

order 相关系数排序方法

is.corr 是否为相关系数绘图，默认为TRUE，同样也可以实现非相关系数的可视化，只需使该参数设为FALSE即可

……

corrplot(corr,method = "ellipse" ,# method,指定可视化形状
         order = "AOE", # order，相关系数排序方式
         addCoef.col="black", # 指定相关系数颜色
         type="lower") # 指定显示部位

上图为mtcars数据集的相关系数热图。

  • type="lower" 指定显示热图的下半部分。

  • 颜色的深浅代表相关系数的大小。

  • 椭圆的形状表示相关系数：离心率越大，椭圆越扁，相关系数绝对值较大；离心率越小，椭圆越圆，相关系数绝对值较小。椭圆长轴的方向表示相关系数的正负，右上-左下方向对应正值，左上-右下方向对应负值。

添加显著性标签

res1 <-cor.mtest(data_mtcars, conf.level= .95)
corrplot(corr, method= "circle",
         p.mat= res1$p, sig.level= 0.01, # p值大于0.01被认为无统计学意义
         mar= c(1,1,1,1))

上图在相关系数热图的基础上添加了显著性标签，P值大于0.01视为无统计学意义。

3. ggcorrplot 包

ggcorrplot包相当于corrplot包的精简版，主要包括cor_pmat计算功能和ggcorrplot绘图功能。

cor_pmat计算p值

p.mat <- cor_pmat(data_mtcars)
head(p.mat[, 1:6])
              mpg          cyl         disp           hp         drat
mpg  0.000000e+00 6.112687e-10 9.380327e-10 1.787835e-07 1.776240e-05
cyl  6.112687e-10 0.000000e+00 1.802838e-12 3.477861e-09 8.244636e-06
disp 9.380327e-10 1.802838e-12 0.000000e+00 7.142679e-08 5.282022e-06
hp   1.787835e-07 3.477861e-09 7.142679e-08 0.000000e+00 9.988772e-03
drat 1.776240e-05 8.244636e-06 5.282022e-06 9.988772e-03 0.000000e+00
wt   1.293959e-10 1.217567e-07 1.222320e-11 4.145827e-05 4.784260e-06
               wt
mpg  1.293959e-10
cyl  1.217567e-07
disp 1.222320e-11
hp   4.145827e-05
drat 4.784260e-06
wt   0.000000e+00

ggcorrplot绘图

ggcorrplot(corr, method = "square" )
Warning: `aes_string()` was deprecated in ggplot2 3.0.0.
ℹ Please use tidy evaluation idioms with `aes()`.
ℹ See also `vignette("ggplot2-in-packages")` for more information.
ℹ The deprecated feature was likely used in the ggcorrplot package.
  Please report the issue at <https://github.com/kassambara/ggcorrplot/issues>.

上图为mtcar数据集相关系数的颜色热图

ggcorrplot(corr, method = "circle" )

这里我们把绘图类型改为了圆形

4. corrgram 包

corrgram 包也是绘制相关图的一个不错选择，它可以选择在上、下和对角线中显示的内容。

我们主要利用corrgram()函数进行相关图的绘制：

  • cor.method 确定相关系数类型pearson（默认）, spearman, kendall

可以使用不同的方法可视化：

  • panel.ellipse 显示椭圆
  • panel.shade 用于色块
  • panel.pie 用于饼图
  • panel.pts 用于散点图
corrgram(data_mtcars, order=TRUE, 
         lower.panel=panel.shade, # 彩色方块
         upper.panel=panel.pie, # 饼图
         text.panel=panel.txt, 
         main="Car Milage Data in PC2/PC1 Order")

通过lower.panel=panel.shade,upper.panel=panel.pie将上半部分设置为饼图，下半部分设置为颜色图。

corrgram(data_mtcars, order=TRUE, 
         lower.panel=panel.ellipse, # 显示椭圆
         upper.panel=panel.pts,  # 散点图
         text.panel=panel.txt, 
         diag.panel=panel.minmax, 
         main="Car Milage Data in PC2/PC1 Order")

通过lower.panel=panel.ellipse,upper.panel=panel.pts将上半部分设置为散点图，下半部分设置为椭圆图（其中红线为拟合曲线）。

corrgram(data_mtcars, order=NULL, 
         lower.panel=panel.shade, # 彩色方块
         upper.panel=NULL, 
         text.panel=panel.txt, 
         main="Car Milage Data (unsorted)")

通过lower.panel=panel.shade,upper.panel=NULL只显示下半部分的颜色图

应用场景

CorrelogramApp1
图 1: 相关图应用

上图为基于菌株 ANI 值的相关图。 使用 JSpecies 软件计算每个指示菌株之间的 ANI 值，并用于Pearson相关矩阵构建。该图显示了使用 corrplot 包通过层次聚类构建和排序的相关性。 [1]

CorrelogramApp2
图 2: 相关图应用

上图展示了Gain [FF]、ILP、wpm、RR、R r-words、R p-words、 RN 、VA之间的相关性。左图显示未排除儿童年级影响的相关性；右图显示分化年级后的相关性。相关性的大小由圆圈的大小（和颜色）表示。使用了 corrplot 包进行绘制。 [2]

参考文献

[1] Espariz M, Zuljan FA, Esteban L, Magni C. Taxonomic Identity Resolution of Highly Phylogenetically Related Strains and Selection of Phylogenetic Markers by Using Genome-Scale Methods: The Bacillus pumilus Group Case. PLoS One. 2016 Sep 22;11(9):e0163098. doi: 10.1371/journal.pone.0163098. PMID: 27658251; PMCID: PMC5033322.

[2] Marx C, Hutzler F, Schuster S, Hawelka S. On the Development of Parafoveal Preprocessing: Evidence from the Incremental Boundary Paradigm. Front Psychol. 2016 Apr 14;7:514. doi: 10.3389/fpsyg.2016.00514. PMID: 27148123; PMCID: PMC4830847.

[3] Schloerke B, Cook D, Larmarange J, Briatte F, Marbach M, Thoen E, Elberg A, Crowley J (2024). GGally: Extension to ‘ggplot2’. R package version 2.2.1, CRAN: Package GGally.

[4] Taiyun Wei and Viliam Simko (2024). R package ‘corrplot’: Visualization of a Correlation Matrix (Version 0.94). Available from GitHub - taiyun/corrplot: A visual exploratory tool on correlation matrix

[5] Kassambara A (2023). ggcorrplot: Visualization of a Correlation Matrix using ‘ggplot2’. R package version 0.1.4.1, CRAN: Package ggcorrplot.

[6] Wright K (2021). corrgram: Plot a Correlogram. R package version 1.14, CRAN: Package corrgram.