corrplot(corr, #相关性系数矩阵
method = c("circle", "square", "ellipse", "number", "shade", "color", "pie"),
#可视化的方法,可以是圆形、方形、椭圆形、数值、阴影、颜色或饼图形
type = c("full", "lower", "upper"),
#指定展示的方式,可以是完全的、下三角或上三角
add = FALSE,
col = NULL, #指定图形展示的颜色,默认以均匀的颜色展示
bg = "white", #背景色
title = "", #标题
is.corr = TRUE, #是否为相关系数绘图
diag = TRUE, #是否展示对角线上的结果
outline = FALSE, #是否绘制圆形、方形或椭圆形的轮廓
mar = c(0,0,0,0), #设置图形的四边间距
addgrid.col = NULL,
#当选择的方法为颜色或阴影时,默认的网格线颜色为白色,否则为灰色
addCoef.col = NULL,
#为相关系数添加颜色,默认不添加相关系数,只有方法为number时,该参数才起作用
addCoefasPercent = FALSE, #是否将相关系数转换为百分比格式
order = c("original", "AOE", "FPC", "hclust", "alphabet"),
#指定相关系数排序的方法,可以是原始顺序original、特征向量角序AOE、第一主成分顺序FPC、
#层次聚类顺序hclust和字母顺序,一般AOE排序结果都比FPC要好
hclust.method = c("complete", "ward", "single", "average",
"mcquitty", "median", "centroid"),
#当order为hclust时,该参数可以是层次聚类中的7种之一
addrect = NULL, #当order为hclust时,可以为添加相关系数图添加矩形框
rect.col = "black", #指定矩形框的颜色
rect.lwd = 2, #指定矩形框的线宽
tl.pos = NULL,
#指定文本标签(变量名称)的位置,当type=full时,默认标签位置在左边和顶部(lt),
#当type=lower时,默认标签在左边和对角线(ld),当type=upper时,默认标签在顶部和对角线,
#d表示对角线,n表示不添加文本标签
tl.cex = 1, #指定文本标签的大小
tl.col = "red", #指定文本标签的颜色
tl.offset = 0.4, tl.srt = 90,
cl.pos = NULL,
#图例(颜色)位置,当type=upper或full时,图例在右侧,当type=lower时,图例在底部,
#不需要图例时,只需指定该参数为n
cl.lim = NULL,
cl.length = NULL, cl.cex = 0.8, cl.ratio = 0.15,
cl.align.text = "c",cl.offset = 0.5,
addshade = c("negative", "positive", "all"),
#只有当method=shade时,该参数才有用,参数值可以是negative/positive和all,分别表示对负相关系数、
#正相关系数和所有相关系数添加阴影。注意:正相关系数的阴影是45度,负相关系数的阴影是135度
shade.lwd = 1, #指定阴影的线宽
shade.col = "white", #指定阴影线的颜色
p.mat = NULL, sig.level = 0.05,
insig = c("pch","p-value","blank", "n"),
pch = 4, pch.col = "black", pch.cex = 3,
plotCI = c("n","square", "circle", "rect"),
lowCI.mat = NULL, uppCI.mat = NULL, ...)
相关性分析之 R包corrplot
猜你喜欢
转载自blog.csdn.net/geekfocus/article/details/119192082
今日推荐
周排行