使用 ggplot2 绘制相关图的最佳示例

Question

我做了部分相关分析，与ggm包

list = list(mtcars, mtcars)
    list = lapply(list, function(x) x %>%
                    mutate(gear = as.factor(gear)))

library(ggm)
lapply(list, function(x) {
  sapply(split(x, x$gear), function(x) {
    pcor(u = c('mpg', 'disp', 'hp', 'vs'), S = var(x))
  })
})

pcor和包装一起

pcorr1 = list %>% 
  map(function(x) split(x[c('mpg', 'disp', 'hp', 'vs')], x$gear))
coeff = c("pearson", "spearman")
res = lapply(1:2, function(x) lapply(seq(coeff), function(x) {
  lapply(pcorr1[[x]], function(y) pcor(y, method = coeff[[x]]))}))

任何人都可以推荐一种如何使用 ggplot2 计算图中的这种相关性的方法吗？

谢谢

UPFATE 只是为了理解，我想知道是否可以使用相关系数作为 y 和 x 所有级别的分组变量（它应该是一种条形图）

Answer 1

我无法理解您的预期输出，但也许您可以使用成对图来显示变量之间的相关性并用您的ggm::pcor()值标记每个图？例如

library(tidyverse)
# install.packages("ggm")
library(ggm)

list_of_mtcars = list(mtcars, mtcars)
list_to_plot = lapply(list_of_mtcars, function(x) x %>%
                mutate(gear = as.factor(gear)))

ggm_pcor_vals <- lapply(list_to_plot, function(x) {
  sapply(split(x, x$gear), function(x) {
    pcor(u = c('mpg', 'disp', 'hp', 'vs'), S = var(x))
  })
})

pcorr1 <- list_to_plot %>% 
  map(function(x) split(x[c('mpg', 'disp', 'hp', 'vs')], x$gear))
coeff <- c("pearson", "spearman")
res <- lapply(1:2, function(x) lapply(seq(coeff), function(x) {
  lapply(pcorr1[[x]], function(y) cor(y, method = coeff[x]))}))

library(GGally)
#> Registered S3 method overwritten by 'GGally':
#>   method from   
#>   +.gg   ggplot2
map(1:3, \(y) map(pcorr1,
     \(x) ggpairs(as.data.frame(x[[y]])) + 
       ggtitle(paste("ggm pcor mpg vs disp given hp and vs =", round(ggm_pcor_vals[[1]][[y]], 4), "when gear =", names(x)[[y]]))))
#> [[1]]
#> [[1]][[1]]

#> 
#> [[1]][[2]]

#> 
#> 
#> [[2]]
#> [[2]][[1]]

#> 
#> [[2]][[2]]

#> 
#> 
#> [[3]]
#> [[3]][[1]]

#> 
#> [[3]][[2]]

^{创建于 2023-09-05，使用reprex v2.0.2}

或者这完全不符合标准？

注意。最好避免使用这个词list作为列表的名称，而且看起来输出中有“重复”的图map()，但我认为这是因为你有list(mtcars, mtcars)输入。

编辑1

根据您的更新，听起来您想要 pcor 值的条形图？您希望条形图是什么样子？即你会如何改变这个：

#> 
#> [[1]][[2]]

^{创建于 2023-09-08，使用reprex v2.0.2}