ggpairs()-对角矩阵系列统计图表轻松绘制~ 有很多学员或者圈子里的同学给我私信,问我下面这个图怎么绘制的: 提问样图 这幅图很明显是一个对角矩阵系列的统计图形,绘制起来也非常方便,只需要使用R语言中 GGally包中的ggpairs() 函数就可以快速绘制,如下: 样例01 library(GGally) data(tips) pm <- ggpairs(tips) pm ggpairs() example01 library(GGally) pm <- ggpairs(tips, columns = c(1, 6, 2)) pm <- ggpairs(tips, columns = c("total_bill (GGally) library(ggplot2) pm <- ggpairs(tips, mapping = aes(color = sex), columns = c("total_bill", " ()函数介绍: https://ggobi.github.io/ggally/articles/ggpairs.html。
2.3 GGally包中的chart.ggpairs 注意,ggpairs的对象,需要是数据框,所以要转化为数据框。 library(GGally) dd = as.data.frame(dd) ggpairs(dd) ggpairs的好处是,还可以进行分组。比如这里按照两组进行划分。 ggpairs(fm, columns = (6:13),ggplot2::aes(color = fm$Spacing)) 3. library(corrplot) re = cor(dd,use = "complete.obs") corrplot(re) library(GGally) dd = as.data.frame(dd) ggpairs (dd) ggpairs(fm, columns = (6:13),ggplot2::aes(color = fm$Spacing))
interactive p_ <- GGally::print_if_interactive ## Quick example, with and without colour data(flea) ggpairs (flea, columns = 2:4) pm <- ggpairs(flea, columns = 2:4, ggplot2::aes(colour=species)) p_(pm) # Note: (tips[, 1:3]) p_(pm) pm <- ggpairs(tips, 1:3, columnLabels = c("Total Bill", "Tip", "Sex")) p_(pm) pm <- ggpairs(tips, upper = "blank") p_(pm) pm <- ggpairs(tips, upper = "blank") p_(pm) ## Plot Types # _(pm) pm <- ggpairs(tips, columns = c(2, 3, 5), proportions = c(1, 3, 2)) p_(pm) ?
image.png 最后一个变量target是小麦所属种类,分别是0,1,2 数据集下载自kaggle网站,数据集大家可以自行下载,也可以在文末留言 实现文章开头提到的图用到的是GGally包中的ggpairs ()函数,对应的帮助文档是 https://ggobi.github.io/ggally/reference/ggpairs.html 首先是读入数据 seed <- read.csv("kaggle/ image.png 最后是展示两两相关系数 library(GGally) ggpairs(seed[,1:7]) ? image.png 对图像进行美化 因为是ggplot2的扩展包,ggplot2的主题设置都可以往上叠加 library(GGally) library(ggplot2) ggpairs(seed[,1 :7]) ggpairs(seed, showStrips = T,ggplot2::aes(color=Type)) + theme(axis.text = element_text(colour
2.3 GGally包中的chart.ggpairs 注意,ggpairs的对象,需要是数据框,所以要转化为数据框。 library(GGally) dd = as.data.frame(dd) ggpairs(dd) ggpairs的好处是,还可以进行分组。比如这里按照两组进行划分。 ggpairs(fm, columns = (6:13),ggplot2::aes(color = fm$Spacing)) 3. library(corrplot) re = cor(dd,use = "complete.obs") corrplot(re) library(GGally) dd = as.data.frame(dd) ggpairs (dd) ggpairs(fm, columns = (6:13),ggplot2::aes(color = fm$Spacing))
ggpairs():作为ggmatrix()的一种特殊形式,可实现对多元数据进行成对比较。默认情况下,ggpairs()提供每对列的两次不同比较,并沿对角线显示相应变量的密度或计数。 = .5,size=15), plot.caption = element_markdown(face = 'bold',size = 12)) Example of ggmatrix ggpairs ()绘图函数 data(tips, package = "reshape") ggpairs <- GGally::ggpairs(tips, mapping = aes(fill = sex,color function", subtitle = "processed charts with ggpairs()</span = 0,vjust = .5,size=15), plot.caption = element_markdown(face = 'bold',size = 12)) Example of ggpairs
没有获得论文中原始的作图数据,这里我用3个不同品种小麦的一些表型数据做练习,主要学习论文中提供的作图代码 之前的推文也介绍过这个R包,之前发过的推文有 R语言ggplot2画图展示多变量两两之间相关系数~文末留言送书 杂记:ggpairs alpha=0.7) + geom_smooth(method = "lm", color = "black", linewidth=0.3, se=FALSE) p } plot1<-ggpairs linewidth=0.3, alpha=0.5)+ theme_bw() } 作图代码 matrix.corr<-ggpairs
没有获得论文中原始的作图数据,这里我用3个不同品种小麦的一些表型数据做练习,主要学习论文中提供的作图代码 之前的推文也介绍过这个R包,之前发过的推文有 R语言ggplot2画图展示多变量两两之间相关系数~文末留言送书 杂记:ggpairs alpha=0.7) + geom_smooth(method = "lm", color = "black", linewidth=0.3, se=FALSE) p } plot1<-ggpairs linewidth=0.3, alpha=0.5)+ theme_bw() } 作图代码 matrix.corr<-ggpairs
header = TRUE, sep="\t") head(pc2) 作图代码 library(ggplot2) library(GGally) pc.pr <- ggpairs wrap_elements(ggmatrix_gtable(pc.pr))+ wrap_elements(ggmatrix_gtable(p2)) dev.off() image.png 新知识点:ggpairs
image.png ggpairs更改配色 这个只是一种方案,还有好多问题没有解决,比如如何给下三角和上三角赋予不同的颜色 代码 library(GGally) ggpairs(iris,columns
library(tidyverse) library(GGally) library(patchwork) library(ggpubr) # 载入 ggpubr 包,提供了添加统计注释的功能 ggpairs 绘制配对关系散点图 ggpairs(iris, columns=1:4, aes(color=Species), upper = "blank") + theme_minimal() # 使用最小主题
图9.2展示了使用GGally包(Schloerke et al. 2021)的 `[ggpairs()](https://ggobi.github.io/ggally/reference/ggpairs.html "ggpairs()")` 函数可视化的变量对之间的关系。 我们观察到房价对数与犯罪率之间呈负相关,与平均房间数之间呈正相关 library(GGally) ggpairs(data = map, columns = c("vble", "CRIM", "RM"
sns.pairplot-Python版对角矩阵系列统计图绘制~ 上篇推文介绍到了使用R语言GGally包中ggpairs()函数绘制了对角矩阵系列图形,详情可看:不是?!
ggpairs(as.data.frame(res)) ? 我们看到当阈值非常低时,估计系数与阈值非常高时的估计系数非常弱相关(.13)。这些差异只是反映了阈值,在实际数据分析中可能会产生误导。
sp_scatterplot(data, xvariable = group, yvariable = variableFactor[1], smooth_method = "auto") 因为变量不多,也可以用ggpairs library(GGally) ggpairs(data, progress = F) 交叉验证选择参数并拟合模型 定义一个函数生成一些列用来测试的mtry (一系列不大于总变量数的数值)。
sp_scatterplot(data, xvariable = group, yvariable = variableFactor[1], smooth_method = "auto") 因为变量不多,也可以用ggpairs library(GGally) ggpairs(data, progress = F) 交叉验证选择参数并拟合模型 定义一个函数生成一些列用来测试的mtry (一系列不大于总变量数的数值)。
其他的图 linkET包还提供了其他的可视化方式,大家有兴趣继续探索吧 6.1 pairs plot qpairs(iris) + geom_pairs() ggpairs ---- 6.2 network
table1=table chisq.test table1 table2=table chisq.test table3=table chisq.test chisq.test ggpairs
详细介绍可以看链接 https://rpubs.com/maomaoworm/690424 6 GGally的ggpairs()函数 展示多变量两两之间相关系数,参考链接 https://rpubs.com
table1=table chisq.test table1 table2=table chisq.test table3=table chisq.test chisq.test ggpairs