R语言如何创建相关热图

在这篇文章中，我们来看看如何在R编程语言中绘制相关热图。

分析数据通常涉及对每个特征的详细分析，以及它是如何相互关联的。找到每个特征之间的关系强度，或者换句话说，两个变量是如何相互关联的，这是至关重要的。如果这些变量朝同一方向增长，就是正相关，否则就是负相关。这种相关性可以通过各种图表来体现，如散点图等。

加载数据

让我们加载环境数据集并使用head( )函数查看数据的前6行。

# Loading package,data and
# viwing 1st 6 rows of data
 
install.packages("lattice")
library(lattice)
 
# Load the New York City
# environmental dataset.
data(environmental)
 
data <-environmental
head(data)

输出 :

如何在R语言中创建相关热图

创建相关矩阵

让我们使用cor( )函数为我们的数据创建一个相关矩阵，并将每个值四舍五入到小数点后2位。这个矩阵可以用来轻松创建热图。

# create a correlation matrix of the data
 
# rounding to 2 decimal places
corr_mat <- round(cor(data),2) 
head(corr_mat)

输出。

如何在R语言中创建相关热图

使用ggplot2绘制相关热图

使用ggplot2让我们在热图上可视化相关矩阵。

函数： ggplot(data = NULL, mapping = aes(), …, environment = parent.frame() )

参数。

data – 用于绘制的默认数据集。
mapping – 绘图时使用的默认美学映射列表
environment – DEPRECATED。在整洁性评估之前使用

让我们通过使用melt( )函数绘制热图并使用ggplot绘制热图来减少相关矩阵的大小。从这个热图中，我们可以很容易地解释哪些变量/特征是更相关的，并利用它们进行深入的数据分析。ggplot函数接收了一个缩小的相关矩阵和美学映射。

# Install and load reshape2 package
install.packages("reshape2")
library(reshape2)
 
# creating correlation matrix
corr_mat <- round(cor(data),2)
 
# reduce the size of correlation matrix
melted_corr_mat <- melt(corr_mat)
# head(melted_corr_mat)
 
# plotting the correlation heatmap
library(ggplot2)
ggplot(data = melted_corr_mat, aes(x=Var1, y=Var2,
                                   fill=value)) +
geom_tile()

输出 :

如何在R语言中创建相关热图

重新排列相关矩阵和绘制热图

根据系数对相关矩阵进行重新排序或分类有助于我们轻松识别特征/变量之间的模式。让我们看看如何使用hclust( )函数通过对特征进行分层聚类（分层聚类）来重新排列相关矩阵。

# Code to plot a reorederd heatmap
 
# Install and load reshape2 package
install.packages("reshape2")
library(reshape2)
 
# creating correlation matrix
corr_mat <- round(cor(data),2)
 
# reorder corr matrix
# using corr coefficient as distance metric
dist <- as.dist((1-corr_mat)/2)
 
# hierarchical clustering the dist matrix
hc <- hclust(dist)
corr_mat <-corr_mat[hcorder, hcorder]
 
# reduce the size of correlation matrix
melted_corr_mat <- melt(corr_mat)
#head(melted_corr_mat)
 
#plotting the correlation heatmap
library(ggplot2)
ggplot(data = melted_corr_mat, aes(x=Var1, y=Var2, fill=value)) +
geom_tile()

输出:

如何在R语言中创建相关热图

将相关系数添加到热图中

相关系数是一种表示两个变量之间关系有多强的措施。系数的绝对值越高，相关性就越高。

让我们用相关矩阵中的 “值 “列作为文本，将相关热图与地图上的相关系数一起可视化。使用geom_text( )函数可以在热图上添加注释并使用 “值 “作为标签。

# Install and load reshape2 package
install.packages("reshape2")
library(reshape2)
 
# creating correlation matrix
corr_mat <- round(cor(data),2)
 
# reduce the size of correlation matrix
melted_corr_mat <- melt(corr_mat)
head(melted_corr_mat)
 
# plotting the correlation heatmap
library(ggplot2)
ggplot(data = melted_corr_mat, aes(x=Var1, y=Var2,
                                   fill=value)) +
geom_tile() +
geom_text(aes(Var2, Var1, label = value),
          color = "black", size = 4)

输出 :

如何在R语言中创建相关热图

使用heatmaply绘制相关热图

让我们使用R中的heatmaply包，用heatmaply_cor( )函数绘制一个相关热图。数据的相关性是输入矩阵，”特征 “列作为x和y轴参数。

功能： heatmaply_cor(x, limits = c(-1, 1), xlab, ylab, colors = cool_warm,k_row, k_col …)

参数。

x – 可以是一个heatmapr对象，也可以是一个数字矩阵
limits – 一个二维的数字向量，指定刻度的数据范围
colors – 一个用于热图颜色的颜色向量
k_row – 一个整数标量，包含所需的组数，用于给树状图的
行中分支的颜色
k_col – 一个整数标量，用于给树状图的列中的分支着色。
xlab – X轴的字符标题。
ylab – Y轴的字符标题。

# Load and install heatmaply package
install.packages("heatmaply")
library(heatmaply)
 
# plotting corr heatmap
heatmaply_cor(x = cor(data), xlab = "Features",
              ylab = "Features", k_col = 2, k_row = 2)

输出:

如何在R语言中创建相关热图

使用ggcorplot绘制相关热图

让我们使用R中的ggcorplot包，用ggcorrplot( )函数绘制一个相关热图。数据的相关矩阵被作为输入的corr矩阵给出。

函数： ggcorrplot(corr,method = c(“square”, “circle”) …)

参数。

corr – 要可视化的相关矩阵
method – 特征，要使用的相关矩阵的可视化方法

# load and install ggcorplot
install.packages("ggcorplot")
library(ggcorrplot)
 
# plotting corr heatmap
ggcorrplot::ggcorrplot(cor(data))

输出:

如何在R语言中创建相关热图

绘制相关热图的下三角图

让我们看看如何绘制相关热图的下三角并使其可视化。这可以通过将相关矩阵的上三角值替换为NA来完成，然后通过融化过程将这个矩阵缩小并绘制出来。

# get the corr matrix
corr_mat <- round(cor(data),2)
 
# replace NA with upper triangle matrix
corr_mat[upper.tri(corr_mat)] <- NA
 
# reduce the corr matrix
melted_corr_mat <- melt(corr_mat)
 
# plotting the corr heatmap
library(ggplot2)
ggplot(data = melted_corr_mat, aes(x=Var1,
                                   y=Var2,
                                   fill=value)) +
  geom_tile()

输出:

如何在R语言中创建相关热图

绘制相关热图的上三角图

让我们看看如何绘制相关热图的上三角并使其可视化。这可以通过将相关矩阵的下三角值替换为NA来完成，然后通过融化过程将这个矩阵缩小并绘制出来。

# get the corr matrix
corr_mat <- round(cor(data),2)
 
# replace NA with lower triangle matrix
corr_mat[lower.tri(corr_mat)] <- NA
 
# reduce the corr matrix
melted_corr_mat <- melt(corr_mat)
 
# plotting the corr heatmap
library(ggplot2)
ggplot(data = melted_corr_mat, aes(x=Var1, y=Var2,
                                   fill=value)) +
  geom_tile()

输出 :

如何在R语言中创建相关热图

创建一个交互式相关热图

当用户在图上悬停时，交互式图显示每个数据点的详细信息。让我们看看如何使用相关矩阵和p值矩阵绘制交互式相关热图。 ggplotly( ) 函数接收了数据的相关矩阵，并给出了交互式热图图，在地图上悬停时可以查看细节。

函数： ggplotly( p = ggplot2::last_plot(), width = NULL, height = NULL … )

参数。

p – 一个ggplot对象
width – 绘图的宽度，以像素为单位（可选，默认为自动大小）。
height – 绘图的高度，以像素为单位（可选，默认为自动大小）。

# install and load the plotly package
install.packages("plotly")
library(plotly)
library(ggcorrplot)
 
# create corr matrix and
# corresponding p-value matrix
corr_mat <- round(cor(data),2)
p_mat <- cor_pmat(data)
 
# plotting the interactive corr heatmap
corr_mat <- ggcorrplot(
  corr_mat, hc.order = TRUE, type = "lower",
  outline.col = "white",
  p.mat = p_mat
)
 
ggplotly(corr_mat)