相关热图的绘制与解读—连续性变量

connygpt 2024-10-16 08:45 8 浏览

相关性热图（heatmap）是一种常见的数据可视化工具，可以直观地展示变量之间的相关关系。在热图中，每个变量都与其他变量进行比较，并根据他们之间的相关性程度给出不同颜色的表示。这种可视化方法可以帮助我们直观地发现数据集中的关联规律，从而指导进一步的数据分析和建模工作。今天我们先一起看一下连续性变量采用R语言绘制相关性热图的具体过程。

先看一下数据长什么样子

加载必要的R包

library(ggplot2)#通用的绘图包，适用于各种类型的数据可视化
library(reshape2)#将数据框从宽格式转换为长格式
library(readr)#读取数据

读取数据

data<-read_csv("C:/Users/Lenovo/Desktop/data.csv")#引号内为数据路径

计算相关性矩阵

cor_data<-cor(data)

将矩阵转换成长格式

cor_data_long<-melt(cor_data)

绘制热图

ggplot(data=cor_data_long,aes(x=Var1,y=Var2, fill=value))+#根据value填充颜色
  geom_tile()+
  scale_fill_gradient2(low="blue",mid="white",high="red",#设置颜色渐变，从蓝色（负相关）到红色（正相关），中间为白色（无相关）
                       midpoint=0)+
  geom_text(aes(label=round(value,2)),color="black",size=3)+#在每个矩形内添加文本标签，显示相关系数，四舍五入到两位小数。
  theme_minimal()

结果解读

相关性热图绘制好之后，这个图应该怎么看呢？首先，相关系数接近1：表示两个指标之间有很强的正线性关系。接近-1：表示两个指标之间有很强的负线性关系。接近0：表示两个指标之间没有线性关系。

通过观察刚才绘制热图中的颜色深浅以及标记的数值，我们可以发现不同指标之间存在着显著的正或负相关性。例如，变量5和变量3之间呈现出明显的负相关性。而变量6和变量4之间则呈现出较强的正相关性。此外，我们还可以观察到一些变量之间的相关性不明显或接近于零，这可能暗示着它们之间不存在线性关系。

以上就是连续性变量采用R语言绘制相关性热图的具体过程，如果您有更好的方法也欢迎和我们一起分享！

st_geomfromtext

上一篇：postgresql安装postgis扩展模块 postgresql安装python
下一篇：PostGIS特性 post和get属性的作用

相关热图的绘制与解读—连续性变量

相关推荐

在.net core中使用nginx做负载均衡

React 18 超全升级指南

LTUI v1.7 发布，一个基于 Lua 的跨平台字符终端 UI 界面库

生成对抗网络(GAN)的半监督学习

《若依ruoyi》第二十五章:Spring boot 上传下载封装详解二

QT进阶之路 : 布局详解

如何在 Element UI 中使用栅格布局实现响应式设计?

IDEA 中 Jetty 的配置操作手册 idea jfinal

如何在Dify平台上创建智能Agent:一步步教你实现超级智能体搭建

k8s自动化运维三