在R语言中轻松创建关联网络

数据

##   Ozone Solar.R Wind Temp Month Day
## 1    41     190  7.4   67     5   1
## 2    36     118  8.0   72     5   2
## 3    12     149 12.6   74     5   3
## 4    18     313 11.5   62     5   4
## 5    NA      NA 14.3   56     5   5
## 6    28      NA 14.9   66     5   6

计算相关矩阵

## # A tibble: 6 x 7
##   rowname    Ozone  Solar.R     Wind    Temp     Month       Day
##   <chr>      <dbl>    <dbl>    <dbl>   <dbl>     <dbl>     <dbl>
## 1 Ozone    NA        0.348   -0.602    0.698   0.165    -0.0132 
## 2 Solar.R   0.348   NA       -0.0568   0.276  -0.0753   -0.150  
## 3 Wind     -0.602   -0.0568  NA       -0.458  -0.178     0.0272 
## 4 Temp      0.698    0.276   -0.458   NA       0.421    -0.131  
## 5 Month     0.165   -0.0753  -0.178    0.421  NA        -0.00796
## 6 Day      -0.0132  -0.150    0.0272  -0.131  -0.00796  NA

相关性：

##   rowname Ozone Solar.R Wind Temp Month  Day
## 1   Ozone           .35 -.60  .70   .16 -.01
## 2 Solar.R   .35         -.06  .28  -.08 -.15
## 3    Wind  -.60    -.06      -.46  -.18  .03
## 4    Temp   .70     .28 -.46        .42 -.13
## 5   Month   .16    -.08 -.18  .42       -.01
## 6     Day  -.01    -.15  .03 -.13  -.01

创建关联网络

可视化和探索相关性。

​

该选项min_cor指示要绘制的相关性所需的最小相关值。

每个点代表一个变量。高度相关的变量聚集在一起。

例如，从上面的图可以看出变量Ozone，Wind并且Temp聚集在一起。

每条路径表示它加入的两个变量之间的相关性。蓝色表示正相关，红色表示负相关。

路径的宽度和透明度代表相关的强度。

例如，可以看出，Ozone和之间的正相关性Temp强于Ozone和之间的正相关Solar.R。

清理相关网络

绘制更少的相关路径：

​非常感谢您阅读本文，有任何问题请在下面留言！

1

1

---

关于作者

Kaizong Ye是拓端研究室（TRL）的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​