相关矩阵的可视化及其新方法探究

yihui

[未知用户] 仔细看看帮助呗，如果col只是边线颜色，那么看看有没有fill之类的参数用来填充颜色。

yihui

[未知用户] 这个代码应该就快多了吧？

关于写代码，我有个建议，你好像不太在乎变量名的命名，例如cor、c这样的变量名最好避免使用，因为它们本身就是R的函数。虽然在R里面随意命名一般来说不会有大的问题，但是不排除有时候当你把T/F弄成变量名的时候，a == T/F就不再是a == TRUE/FALSE的意思了。这种bug也不太容易找出来。

yihui

[未知用户] 为啥代码中会有中文引号呢……

library(ellipse)
corr.mtcars = cor(mtcars)
ord = order(corr.mtcars[1, ])
xc = corr.mtcars[ord, ord]
colors = c("#A50F15", "#DE2D26", "#FB6A4A", "#FCAE91", 
    "#FEE5D9", "white", "#EFF3FF", "#BDD7E7", "#6BAED6", "#3182BD", 
    "#08519C")
plotcorr(xc, col = colors[5 * xc + 6])

yihui

[未知用户] 麻烦之处就在于对距离矩阵的排序，因为它不是一个向量，排序的时候行列都要考虑，如何排才能把相似的元素排到一起？我觉得不妨参考hclust()函数的结果，它的最底层的排序其实正是你这个帖子想要的排序，把hclust()的结果与本文的圆圈图结合起来使用，应该就能达到你要的效果了，不过本文的圆圈图考虑的是相关系数的正负，而距离矩阵只有大小，没有正负，因此黑白颜色的选择可以去掉，只是用圆圈表示距离的大小即可。

cloud_wei

在Romain François的建议下，又进一步完善了一下。已经放在R graph gallery上面了。欢迎大家评价。

yihui

很好！我建议你再考虑一下颜色参数，使得你的这种图形能够被扩展到可以展示任意矩阵（如聚类的距离矩阵）。用户可以自定义颜色时，相关系数矩阵则可以用ifelse(corr > 0, "black", "white")把颜色参数传递进去——它只是矩阵的特例而已。

zwdbordeaux

很喜欢这个创意，大概会很快在工作用运用！

miniwhale

太云的创意很好，但我个人认为还可以进一步改进

正如太云指出的，原来的彩色圈图存在色彩杂乱，把最引起关注的大圆给了相关性最小的格子。因此采用有大小的黑白圈图。

但我想原来的彩色圈图至少有1个优点：保留了相关性是反映“X、Y向直线集中的趋势”这个概念

而黑白圈图至少有1个缺点：用实心还是空心表达正负往往让人容易忽视空心圈。

因此我建议不采用黑白圈图而是采用“斜线图”，即格子中的图形采用＼和／，大小用斜线的粗细来表达。
这样有以下好处：
1、强调了相关性是反映“X、Y向直线集中的趋势”这个特点。
2、用正斜和反斜表达正负相关
3、保留了原来黑白圈图把最显眼的图形留给相关性最大的格子的特点。

我不会用R，因此无法给出图例，希望我的描述足够清楚。

cloud_wei

[未知用户]

但我想原来的彩色圈图至少有1个优点：保留了相关性是反映“X、Y向直线集中的趋势”这个概念。

说得太好了，我之前还没有这样想过。

而黑白圈图至少有1个缺点：用实心还是空心表达正负往往让人容易忽视空心圈。

这个我倒不很觉得，可能是主对角线上的一排大黑圆影响的吧，要是不喜欢黑白，别的颜色也可以选择。但是，我觉得还是黑白色最为妥当。

格子中的图形采用＼和／，大小用斜线的粗细来表达。

很新颖的方法，不过我觉得粗细对视觉影响肯定没有面积明显。

As Hills (1969) said, "The first and sometimes only impression gained from looking at a large correlation matrix is its largeness."

多谢你的建议，你的描述非常清楚了。

yihui

1、只要交待清楚数据来自于（Pearson）相关系数矩阵，那么“线性”就不用再强调了，圆圈越大说明越有直线趋势。
2、至于正负，/和\恐怕在图中就不那么清晰了，看着一团短线。
3、黑白的感受可能取决于个人，我看这幅图觉得简洁，黑的地方表示正相关，剩下“空”的地方表示负相关，还是挺清楚的，如果样本能适当排序，那么前面 linkinbird 说的那个主意就能很好和圆圈图结合使用了，展示聚类现象肯定效果很好。

不过我上面说的都是针对数据量比较大的情况，在少数几个变量之间，用scatterplot matrix就很好展示了，关于这一点，太云兄弟可能会在他下一篇作品中展现。

miniwhale

[未知用户] 我想上传一张我用Viso做的实例图，但没有办法上传，能帮我吗？

miniwhale

[未知用户] 我没有完全表达清楚，其实如果线段足够粗，不也是在表达一种面积的概念吗。我用Visio试验了一下，效果较好。

yihui

[未知用户] 网上到处是能上传的地方，刚注册了一个：
http://photobucket.com/
用户名：capstat
密码：cosimages
随便传吧

cloud_wei

在众人的拍砖之下，又演化出了几个新版本，请大家根据喜好自行选择。看看这里

yihui

[未知用户] 让这些选择体现在函数的参数上吧 :)

cloud_wei

[未知用户] 是啊，已经体现了:)

cloud_wei

[未知用户] 目前我最满意的是围棋图，配了个围棋盘的鹅黄底色。

此外，发现外国佬可喜欢挑肥拣瘦了：
David Smith，An Introduction to R的作者，SPLUS+的员工，ESS的最初开发者之一。
Andrew Gelman，哥伦比亚大学的一个教授，应用统计中心的主管，看其简历似乎比较有名。
Bob O'Hara，芬兰的家伙，University of Helsinki。
以及Romain francois，Fëanor 等等。

还有，比较纳闷的是这么一副图受到这么多人的关注，更奇怪的是几乎都是外国佬，中国的估计不会有教授关注。

yihui

[未知用户] 国内还没有用图的意识，或者说图形还没有成为统计的流派之一。

Andrew Gelman可是个大牛，你如果有打算出国的话，到他手下可就发达了 :mrgreen:

cloud_wei

[未知用户] 是打算出国，不过一直没有准备，估计只能在读研期间了，现在也筹备着和这些教授套套近乎。但愿到时能钓到一只大牛:)

lovelyday-stat

好文章
我也跟踪过这一方面
有个叫friendly,m 的人写过不少新paper
最近的一篇好像发在jrsa上
叫order variables in data analysis
那篇文章也很赞
但是没时间专研太深
请问楼主或者哪位
有没有matlab的工具包呢。。。
有什么好书或者好网站推荐呢？
谢谢哈～

另外，
我一直好奇
这些图跟聚类分析里的某种叫correlation map的有什么区别呢？
correlation map 主要用在高纬方面，是为了看清楚数据中的variables是否存在聚类
如果过你的这些图是为了看variables之间的关系
那么为什么不用直接的graphical modeling?

这是我对这些图的疑问

不过第二个图在item response models上的应用已经开始popular。。
他们用这个图来同时展示很多个假设检验
这样的图太赞了