参考资料：《数据探掘 R语言实战》 p65-P68

install.packages("rattle") # 获取实验数据集

install.packages("ellipse") # 获取构建相关图的函数plotcorr
rm(list = ls())

library("ellipse") # 加载包

library("rattle") 
data(weather) # 加载数据集

head(weather) # 查看数据集
##         Date Location MinTemp MaxTemp Rainfall Evaporation Sunshine

## 1 2007-11-01 Canberra     8.0    24.3      0.0         3.4      6.3

## 2 2007-11-02 Canberra    14.0    26.9      3.6         4.4      9.7

## 3 2007-11-03 Canberra    13.7    23.4      3.6         5.8      3.3

## 4 2007-11-04 Canberra    13.3    15.5     39.8         7.2      9.1

## 5 2007-11-05 Canberra     7.6    16.1      2.8         5.6     10.6

## 6 2007-11-06 Canberra     6.2    16.9      0.0         5.8      8.2

##   WindGustDir WindGustSpeed WindDir9am WindDir3pm WindSpeed9am

## 1          NW            30         SW         NW            6

## 2         ENE            39          E          W            4

## 3          NW            85          N        NNE            6

## 4          NW            54        WNW          W           30

## 5         SSE            50        SSE        ESE           20

## 6          SE            44         SE          E           20

##   WindSpeed3pm Humidity9am Humidity3pm Pressure9am Pressure3pm Cloud9am

## 1           20          68          29      1019.7      1015.0        7

## 2           17          80          36      1012.4      1008.4        5

## 3            6          82          69      1009.5      1007.2        8

## 4           24          62          56      1005.5      1007.0        2

## 5           28          68          49      1018.3      1018.5        7

## 6           24          70          57      1023.8      1021.7        7

##   Cloud3pm Temp9am Temp3pm RainToday RISK_MM RainTomorrow

## 1        7    14.4    23.6        No     3.6          Yes

## 2        3    17.5    25.7       Yes     3.6          Yes

## 3        7    15.4    20.2       Yes    39.8          Yes

## 4        7    13.5    14.1       Yes     2.8          Yes

## 5        7    11.1    15.4       Yes     0.0           No

## 6        5    10.9    14.8        No     0.2           No
test_data <- weather[, 12:21] # 第12到21列为数值型

cor_matrix <- cor(test_data, use = "pairwise") # 两两变量求相关系数

cor_matrix # 显示结果
##              WindSpeed9am WindSpeed3pm Humidity9am Humidity3pm Pressure9am

## WindSpeed9am   1.00000000   0.47296617  -0.2706229  0.14665712 -0.35633183

## WindSpeed3pm   0.47296617   1.00000000  -0.2660925 -0.02636775 -0.35980011

## Humidity9am   -0.27062286  -0.26609247   1.0000000  0.54671844  0.13572697

## Humidity3pm    0.14665712  -0.02636775   0.5467184  1.00000000 -0.08794614

## Pressure9am   -0.35633183  -0.35980011   0.1357270 -0.08794614  1.00000000

## Pressure3pm   -0.24795238  -0.33732535   0.1344205 -0.01005189  0.96789496

## Cloud9am       0.10184246  -0.02642642   0.3928416  0.55163264 -0.15755279

## Cloud3pm      -0.02247149   0.00720724   0.2719381  0.51010790 -0.14100043

## Temp9am        0.06407405  -0.01776636  -0.4365506 -0.25568147 -0.46041819

## Temp3pm       -0.23518635  -0.18756965  -0.3551186 -0.58167615 -0.25367375

##              Pressure3pm    Cloud9am    Cloud3pm     Temp9am    Temp3pm

## WindSpeed9am -0.24795238  0.10184246 -0.02247149  0.06407405 -0.2351864

## WindSpeed3pm -0.33732535 -0.02642642  0.00720724 -0.01776636 -0.1875697

## Humidity9am   0.13442050  0.39284158  0.27193809 -0.43655057 -0.3551186

## Humidity3pm  -0.01005189  0.55163264  0.51010790 -0.25568147 -0.5816761

## Pressure9am   0.96789496 -0.15755279 -0.14100043 -0.46041819 -0.2536738

## Pressure3pm   1.00000000 -0.12894408 -0.14383718 -0.49263629 -0.3454853

## Cloud9am     -0.12894408  1.00000000  0.52521793  0.02104135 -0.2023440

## Cloud3pm     -0.14383718  0.52521793  1.00000000  0.04094519 -0.1728142

## Temp9am      -0.49263629  0.02104135  0.04094519  1.00000000  0.8444058

## Temp3pm      -0.34548531 -0.20234405 -0.17281423  0.84440581  1.0000000
col <- 1:10 # 填充颜色

plotcorr(cor_matrix, col = col, type = "lower", diag = F)

相关性越强圆形越窄，左倾斜（\）表示负相关，右倾斜（/）表示正相关，例如Temp3pm和Temp9am为正相关

# numbers = T, diag = T

plotcorr(cor_matrix, numbers = T, type = "lower", diag = T)

  • col 设置椭圆填充颜色

  • type 设置显示上三角、下三角、全部显示（upper、lower、full）

  • diag 逻辑值，是否显示主对角线

  • numbers 逻辑值，是否用相关系数值取代椭圆，数值会增大10倍四舍五入

利用elliipse做相关图的更多相关文章

  1. Java基础-继承 利用接口做参数，写个计算器，能完成+-*/运算

    38．利用接口做参数,写个计算器,能完成+-*/运算 (1)定义一个接口Compute含有一个方法int computer(int n,int m); (2)设计四个类分别实现此接口,完成+-*/运算 ...

  2. 利用SCI做的一个足球答题系统

    SCI,异步串行通信接口,内置独立的波特率产生电路和SCI收发器,可以选择发送8或9个数据位(其中一位可以指定为奇或偶校验位). SCI是全双工异步串行通信接口,主要用于MCU与其他计算机或设备之间的 ...

  3. 利用toString做类型的判断

    //利用toString做类型的判断 : /*var arr = []; alert( Object.prototype.toString.call(arr) == '[object Array]' ...

  4. 利用boost做string到wstring转换，以及字符集转换 - Error - C++博客

    利用boost做string到wstring转换,以及字符集转换 - Error - C++博客 利用boost做string到wstring转换,以及字符集转换 #include <boost ...

  5. 利用Python做绝地科学家(外挂篇)

    i春秋作家:奶权 前言  玩吃鸡时间长的鸡友们 应该都知道现在的游戏环境非常差 特别在高端局 神仙满天飞 搞得很多普通玩家非常没有游戏体验  因为吃鸡的火爆 衍生出了一条巨大的外挂利益链 导致市面上出 ...

  6. python idea 利用树莓派做家庭报警系统

    1 利用树莓派做家庭报警系统idea 功能如下: 1.程序家侧人不在家(7:00-6:00) 2.树莓派搭配摄像头,对这门进行图像识别,如果变化,门开了,就报警: 3.报警的方式是给我发短信,采信,或 ...

  7. Unity利用AnimationCurve做物体的各种运动

    ​之前一直都是自己学习Unity各种做Demo,最近开始正式使用Unity来做一个款2d的游戏. 其中在做一个类似小球弹跳运动的时候遇到了点问题,查找了很多资料,无意间发现AnimationCurve ...

  8. 【译文】利用STAN做贝叶斯回归分析：Part 2 非正态回归

    [译文]利用STAN做贝叶斯回归分析:Part 2 非正态回归 作者 Lionel Hertzogn 前一篇文章已经介绍了怎样在R中调用STAN对正态数据进行贝叶斯回归.本文则将利用三个样例来演示怎样 ...

  9. KNIMI数据挖掘建模与分析系列_002_利用KNIMI做商超零售关联推荐

    利用KNIMI做商超零售关联推荐 http://blog.csdn.net/shuaihj 一.測试数据 须要測试数据,请留下邮箱 二.训练关联推荐规则 1.读取销售记录(sales.table) 2 ...

随机推荐

  1. UltraSoft - Alpha - Scrum Meeting 4

    Date: Apr 18th, 2020. 会议内容为 例行汇报. Scrum 情况汇报 进度情况 组员 负责 前两日进度 后两日任务 CookieLau PM 完成前后端交互规格的约定,了解前后端进 ...

  2. sed初理多行合并+sed之G、H、g、h使用+sed n/N使用说明

    转载:[shell]sed处理多行合并 - seyjs - 博客园 (cnblogs.com) 文件格式 table=t1 name owner address table=t2 id text co ...

  3. hdu 1171 Big Event in HDU（背包DP）

    题意: 杭电搬迁,有N种设备,每种设备有个价值V,数量M,要求将这些设备平分,使得平分后两边的总价值尽可能地相等. 输出两边各自的总价值. 思路: 背包DP后,P=所有的总价值/2,然后从P开始往两边 ...

  4. 利用pyplot绘制sin(x)和cos(x)的组合图像

    一．实验目标 (1)   掌握numpy库的使用 (2)   掌握matplotlib库的使用 (3)   掌握pyplot的基本函数和方法 二．实验内容 import matplotlib.pyla ...

  5. GitHub上 README 增加图片标签

    hey Guys~ 你可能遇到的GitHub上好的项目都有一个非常棒的README,其中不乏用到一些非常好看的标签.比如下面这样: walle fastjson 那我们怎样自己添加一个高大上图片标签呢 ...

  6. Pip安装Django超时(time out)解决方法

    (ll_env)learning_log$  pip install Django  执行该命令,始终报错,如上图 解决方法如下: pip install  -i http://pypi.douban ...

  7. RocketMQ 5.0 POP 消费模式探秘

    作者:凯易&耘田 审核校对:白玙 编辑&排版:雯燕 前言:随着 RocketMQ 5.0 preview 的发布,5.0 的重大特性逐步与大家见面.POP Consumer 作为 5. ...

  8. MnogoDB唯一索引，稀疏索引

    1,单个字段唯一索引 db.collection.createIndex({name:1},{unique:true} 2,多个字段联合索引示例 db.collection.createIndex({ ...

  9. RocketMQ源码详解 | Consumer篇 · 其一：消息的 Pull 和 Push

    概述 当消息被存储后,消费者就会将其消费. 这句话简要的概述了一条消息的最总去向,也引出了本文将讨论的问题: 消息什么时候才对被消费者可见? 是在 page cache 中吗?还是在落盘后?还是像 K ...

  10. Salesforce Consumer Goods Cloud 浅谈篇一之基础介绍

    本篇参考: https://baike.baidu.com/item/%E6%B6%88%E8%B4%B9%E5%93%81/425802?fr=aladdin https://help.salesf ...