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. 《基于SIRS模型的行人过街违章传播研究》

    My Focus: 行人违章过街 这一行为的传播与控制 Behavior definition in this paper: 人在生活中表现出来的生活态度及具体的生活方式 Title: Researc ...

  2. 洛谷 P4774 [NOI2018] 屠龙勇士

    链接:P4774 前言: 交了18遍最后发现是多组数据没清空/ll 题意: 其实就是个扩中. 分析过程: 首先发现根据题目描述的选择剑的方式,每条龙对应的剑都是固定的,有查询前驱,后继(在该数不存在前 ...

  3. 架构师之路-redis集群解析

    引子 上篇<架构师之路-https底层原理>里我提到了上面的整体视图,文章也介绍了想要真正能在工作中及时正确解决问题的基本功:原理理解透彻.今天以redis集群解析为例介绍一个及时敏锐的发 ...

  4. poj 3020 Antenna Placement（二分图最大匹配）

    题意: N行M列的矩阵,每个格子里不是 * 就是 O . * :是一个利益点. O:是一个空白点. 每次可以用一个圈覆盖相邻的两个*.(左右相邻或上下相邻). 问最少需要多少个圈可以覆盖所有的*. 思 ...

  5. k8s入坑之路（16）kubernetes中CICD/基于宿主机jenkins

    cicd的结合组件 需要代码仓库如gitlab.github.包构建工具Maven等,持续集成工具如jenkins,github/cicd.结合自己脚本实现重复式任务自动化. 传统服务发布流程: 提交 ...

  6. Pytorch中stack()方法的理解

    Torch.stack() 1. 概念 在一个新的维度上连接一个张量序列 2. 参数 tensors (sequence)需要连接的张量序列 dim (int)在第dim个维度上连接 注意输入的张量s ...

  7. Maven快速入门（五）Maven的依赖管理

    前面我们讲了maven项目中的最重要的文件:pom.xml 配置文件相关内容.介绍了pom 是如何定义项目,如何添加依赖的jar 包的等. 我们知道,在Maven的生命周期中,存在编译.测试.运行等过 ...

  8. Spring Data Redis Stream的使用

    一.背景 Stream类型是 redis5之后新增的类型,在这篇文章中,我们实现使用Spring boot data redis来消费Redis Stream中的数据.实现独立消费和消费组消费. 二. ...

  9. mongo笔记

    获取stats from pymongo import MongoClient client = MongoClient() db = client.test # print collection s ...

  10. 动手写一个简单的Web框架（Werkzeug路由问题）

    动手写一个简单的Web框架(Werkzeug路由问题) 继承上一篇博客,实现了HelloWorld,但是这并不是一个Web框架,只是自己手写的一个程序,别人是无法通过自己定义路由和返回文本,来使用的, ...