基于R进行相关性分析.docx

《基于R进行相关性分析.docx》由会员分享，可在线阅读，更多相关《基于R进行相关性分析.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于R进行相关性分析一、相关性矩阵计算 1加载数据dataread.csv(231-6057_2016-04-05-ZX_WD_2.csv,headerFALSE)讲明csv格式的数据headerFALSE表示没有标题即数据从第一行开场。 2查看导入数据的前几行head(data) 3删除数据的78列都是0datadata1:6head(data) 4计算相关性矩阵可以自己指定采用的方法pearson,kendall,spearmancor_matrcor(data)cor_matr二相关系数的显著性程度Correlationsignificancelevels(p-value)使用Hmisc

2、包不仅可以计算相关性矩阵还可以计算对应的显著性程度 1安装包Hmisc依赖包也会一并安装lib代表安装包的途径install.packages(Hmisc,libE:/ProgramFiles/R/R-3.3.0/library/) 2加载包library(Hmisc) 3计算相关性以及显著程度(as.matrix(data)表示将data转换成矩阵)rcorr(as.matrix(data)输出讲明r第一个矩阵为相关性矩阵n:处理数据的总记录数行数P:显著性程度矩阵越小讲明越显著三、可视化相关性分析symnum()functioncorrplot()functiontoplotacorrel

3、ogramscatterplotsheatmap1使用symnum()函数实现可视化(cor_matr是我们上文中cor()函数计算出来的相关性矩阵)symnum(cor_matr)符号讲明在输出的最后一行讲明了符号的意义例如0.9,0.95)这个区间使用*表示。其他符号类似 2使用corrplot()函数实现可视化这里需要使用到corrplot包没有安装的需要安装library(corrplot)corrplot(cor_matr,typeupper,orderhclust,tl.colblack,tl.srt45)输出讲明用不同颜色表示了相关性的强度根据最右边的颜色带来看越接近蓝色讲明相关

4、性越高。其中圆形的大小也讲明了行惯性的大小。 3使用PerformanceAnalytics包进展可视化library(PerformanceAnalytics)chart.Correlation(data,histogramTRUE,pch19)输出讲明对角线给出了变量自身的分布下三角形对角线的左下方给出了两个属性的散点图可以看到第二行第一列的散点图显示出v1以及v2具有很高的线性相关性上三小形对角线的右上方数字表示连个属性的相关性值型号表示显著程度星星越多说明越显著 4heatmap可视化colcolorRampPalette(c(blue,white,red)(20)heatmap(xc

5、or_matr,colcol,symmTRUE)讲明第一行是制作调色板红色表示相关性最高。第二行参数讲明x:相关性矩阵前文已经计算col:调色板symm:以对称矩阵的形式显示可以看到画出来的图是中心对称的不过前提是输入的矩阵是方阵参考: 1Correlationmatrix:Aquickstartguidetoanalyze,formatandvisualizeacorrelationmatrixusingRsoftware:/sthda/english/wiki/correlation-matrix-a-quick-start-guide-to-analyze-format-and-visualize-a-correlation-matrix-using-r-software 2SignificanceoftheCorrelationCoefficient 3InstallingRpackages