本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序，并根据其数值水平对面板进行着色。
显示相关矩阵
可下载资源
cor <- cor(ley) leclr <- mat.colr(cor)
mtcolr 根据相关性大小为相关性分配三种颜色。高相关性为红色，中间三分之一为蓝色，底部三分之一为天蓝色。
plclrs(lolr,label=ronms(coor)
如果要更改配色方案：
leolo <- colr(cor, brak=FALE) lecor <- tcor(cor, bes, c.cr(4))
如果在绘图之前重新排列变量，则绘图更容易解释。
oge <- rdclust(lnlcor) lgeolor1 <- nlclor\[lne.,lo.\] plot(lnco1,dlbls=rwe(ngyr1))
显示带有彩色面板的配对图
所有高相关面板一起出现在一个块中的一个版本。
pais(loly, orr= lolo,acor= lgy.or)
如果 order 未提供 ，则按默认数据集顺序绘制变量。
用彩色面板显示平行坐标图
平行坐标图面板可以着色的版本 。同样，红色面板具有高相关性，蓝色面板具有中等相关性，天蓝色面板具有低相关性。
pard(lng, ordr= loyo,color= colr, horol=TRUE)
绘制重新排序的树状图
dist 是一个内置的距离矩阵，给出了城市之间的距离。
hclst(dis, "ave") plt(hc)
重新排序树状图以提高附近分支之间的相似性。将其应用于 hc 对象：
ordeu(hc, dis)
随时关注您喜欢的主题
两个树状图对应于相同的树结构，但第二个树状图显示巴黎和瑟堡比离慕尼黑更近，罗马离直布罗陀比离巴塞罗那更近。
我们还可以将两种排序与颜色的图像图进行比较。第二个排序似乎将附近的城市彼此靠近。
ct <- dor(edt, rev(cs(5))) pltcl(cma, rles=lals)
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
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。
非常感谢您阅读本文，如需帮助请联系我们！
Python蒙特卡罗MCMC:优化Metropolis-Hastings采样策略与Fisher矩阵计算参数推断应用—模拟与真实数据分析
【视频讲解】Python深度神经网络DNNs-K-Means（K-均值）聚类方法在MNIST等数据可视化对比分析
【专题】2024年先进数据存力白皮书报告汇总PDF洞察（附原数据表）
Python量子计算聚类Q-means（量子k-means）算法分析电路数据实现可视化
