本文主要是介绍R语言用相关网络图可视化分析汽车配置和饮酒习惯，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

原文链接：http://tecdat.cn/?p=22772 

原文出处：拓端数据部落公众号

我们经常使用的一个关系性指标是相关性。通过可以利用数据框架和绘图来帮助探索相关关系。

本文先创建了相关关系的关系数据框，然后绘制了关系结构。

库

我们将使用以下库。

1.   library(tidyverse)
2.   library(igraph)

基本方法

给定一个由数字变量组成的数据框d，我们想在网络中绘制其相关性，这里有一个基本方法。

1.   # 创建相关数据框
2.   d %>%
3.   correlate() %>%
4.    
5.   # 将强于某个值的相关关系转换成转换为一个无向图的对象
6.   cors %>%
7.   filter(abs(r)
8.    
9.   # 绘制
10.   plot(cors)

例子1：汽车参数配置关联变量

让我们按照这个方法来处理MTCars数据集。默认情况下，所有的变量都是数字的，所以我们不需要做任何预处理。

我们首先创建一个相关性数据框，并将其转换为一个图形对象。

1.    
2.   correlate() %>%
3.   stretch()

接下来，我们将这些值转换为一个无向图对象。该图是不定向的，因为相关关系没有方向。相关关系没有因果关系。

因为，我们通常不希望看到所有的相关关系，我们首先过滤（）出绝对值小于某个阈值的任何相关关系。例如，让我们包括0.3或更强的相关关系（正或负）。

1.   cors %>%
2.   filter(abs(r) > .3) %>%

我们绘制这个对象。下面是一个基本图。
 

plot(cors) 

改进之后的。

plot(cors,width = abs(r), color = r,title="汽车变量之间的相关关系")

例子2：有类似饮酒习惯的国家

这个例子需要进行一些数据预处理，我们只看强正相关。

让我们来看一个关于世界各国的啤酒、葡萄酒饮用量的数据。

1.    
2.   drinkdata
3.    

我想找出欧洲和美洲的哪些国家有类似的啤酒、葡萄酒和烈酒饮用习惯，以及澳大利亚在其中的地位。绑定地理信息并找到我感兴趣的国家，把这些数据变成相关数据的形状。 

1.    
2.    
3.    
4.   # 标准化数据以检查相对数量。
5.   # 而不是绝对数量
6.   # 啤酒、葡萄酒和烈酒的相对数量
7.   d %>% mutate_if(is.numeric, scale)
8.    
9.   # 整理数据
10.   %>%
11.   gather(type, litres, -country) %>%
12.   drop_na() %>%
13.    
14.    
15.   #转换成宽数据以便进行关联分析
16.   %>%
17.   spread(country, litres) %>%
18.    

这个数据包括每个国家喝的啤酒、葡萄酒和烈酒数量的Z-scores。

我们现在可以继续使用我们的标准方法。因为我只对哪些国家真正相似感兴趣，我们过滤相关系数低的数据。（r>0.9）

plot(cors,alpha = r, color = r,title = "哪些国家有类似的饮酒习惯？")
  

这些国家的饮酒行为分为三个群组。

例如澳大利亚与许多西欧和北欧国家如英国、法国、荷兰、挪威和瑞典一起出现在左上方的集群中。

最受欢迎的见解

1.R语言动态图可视化：如何、创建具有精美动画的图

2.R语言生存分析可视化分析

3.Python数据可视化-seaborn Iris鸢尾花数据

4.r语言对布丰投针（蒲丰投针）实验进行模拟和动态

5.R语言生存分析数据分析可视化案例

6.r语言数据可视化分析案例：探索brfss数据数据分析

7.R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图

8.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

9.python主题LDA建模和t-SNE可视化

这篇关于R语言用相关网络图可视化分析汽车配置和饮酒习惯的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！