绘制因子（分类数据）的相关矩阵的等效值？还有混合型？

问题描述 投票：0回答：4

其实有2个问题，一个比另一个更高级。

Q1：我正在寻找一种类似于
corrplot()
但可以处理因素的方法。

我最初尝试使用 

chisq.test()
然后计算 p-value 和 Cramer's V 作为相关性，但有太多列需要弄清楚。 那么谁能告诉我是否有一种快速的方法来创建一个“corrplot”，每个单元格都包含 Cramer's V 的值，而颜色由 p-value 渲染。或者任何其他类似的情节。

关于 Cramer 的 V，假设 

tbl
是一个二维因子数据框。

chi2 <- chisq.test(tbl, correct=F)
Cramer_V <- sqrt(chi2$/nrow(tbl))

我准备了一个测试数据框，其中包含以下因素：

df <- data.frame(
group = c('A', 'A', 'A', 'A', 'A', 'B', 'C'),
student = c('01', '01', '01', '02', '02', '01', '02'),
exam_pass = c('Y', 'N', 'Y', 'N', 'Y', 'Y', 'N'),
subject = c('Math', 'Science', 'Japanese', 'Math', 'Science', 'Japanese', 'Math')
)

Q2：然后我想在混合类型数据帧上计算相关/关联矩阵，例如：

df <- data.frame(
group = c('A', 'A', 'A', 'A', 'A', 'B', 'C'),
student = c('01', '01', '01', '02', '02', '01', '02'),
exam_pass = c('Y', 'N', 'Y', 'N', 'Y', 'Y', 'N'),
subject = c('Math', 'Science', 'Japanese', 'Math', 'Science', 'Japanese', 'Math')
) 
df$group <- factor(df$group, levels = c('A', 'B', 'C'), ordered = T)
df$student <- as.integer(df$student)
r plot statistics correlation chi-squared
4个回答
24
投票

如果您想获得因子或混合类型的真正相关图，您还可以使用 

model.matrix
对所有非数字变量进行 one-hot 编码。这与计算 Cramér V 完全不同，因为它会将您的因子视为单独的变量，就像许多回归模型一样。

然后您可以使用您最喜欢的相关图库。我个人喜欢 

ggcorrplot
，因为它的 
ggplot2
兼容性。

这是您的数据集的示例：

library(ggcorrplot)
model.matrix(~0+., data=df) %>% 
  cor(use="pairwise.complete.obs") %>% 
  ggcorrplot(show.diag=FALSE, type="lower", lab=TRUE, lab_size=2)

18
投票

AntoniosK的解决方案可以改进如J.D.的建议，还允许混合数据帧，包括标称和数字属性。关联强度是通过偏差校正的 Cramer V 计算名义与名义的关联强度，使用 Spearman（默认）或 Pearson 相关性计算数值与数值，以及使用方差分析计算名义与数值的关联强度。

require(tidyverse)
require(rcompanion)


# Calculate a pairwise association between all variables in a data-frame. In particular nominal vs nominal with Chi-square, numeric vs numeric with Pearson correlation, and nominal vs numeric with ANOVA.
# Adopted from https://stackoverflow.com/a/52557631/590437
mixed_assoc = function(df, cor_method="spearman", adjust_cramersv_bias=TRUE){
    df_comb = expand.grid(names(df), names(df),  stringsAsFactors = F) %>% set_names("X1", "X2")
   
    is_nominal = function(x) class(x) %in% c("factor", "character")
    # https://community.rstudio.com/t/why-is-purr-is-numeric-deprecated/3559
    # https://github.com/r-lib/rlang/issues/781
    is_numeric <- function(x) { is.integer(x) || is_double(x)}

    f = function(xName,yName) {
        x =  pull(df, xName)
        y =  pull(df, yName)

        result = if(is_nominal(x) && is_nominal(y)){
            # use bias corrected cramersV as described in https://rdrr.io/cran/rcompanion/man/cramerV.html
            cv = cramerV(as.character(x), as.character(y), bias.correct = adjust_cramersv_bias)
            data.frame(xName, yName, assoc=cv, type="cramersV")

        }else if(is_numeric(x) && is_numeric(y)){
            correlation = cor(x, y, method=cor_method, use="complete.obs")
            data.frame(xName, yName, assoc=correlation, type="correlation")

        }else if(is_numeric(x) && is_nominal(y)){
            # from https://stats.stackexchange.com/questions/119835/correlation-between-a-nominal-iv-and-a-continuous-dv-variable/124618#124618
            r_squared = summary(lm(x ~ y))$r.squared
            data.frame(xName, yName, assoc=sqrt(r_squared), type="anova")

        }else if(is_nominal(x) && is_numeric(y)){
            r_squared = summary(lm(y ~x))$r.squared
            data.frame(xName, yName, assoc=sqrt(r_squared), type="anova")

        }else {
            warning(paste("unmatched column type combination: ", class(x), class(y)))
        }

        # finally add complete obs number and ratio to table
        result %>% mutate(complete_obs_pairs=sum(!is.na(x) & !is.na(y)), complete_obs_ratio=complete_obs_pairs/length(x)) %>% rename(x=xName, y=yName)
    }

    # apply function to each variable combination
    map2_df(df_comb$X1, df_comb$X2, f)
}

使用该方法，我们可以轻松分析各种混合变量数据帧：

mixed_assoc(iris)

              x            y      assoc        type complete_obs_pairs 
1  Sepal.Length Sepal.Length  1.0000000 correlation                150
2   Sepal.Width Sepal.Length -0.1667777 correlation                150
3  Petal.Length Sepal.Length  0.8818981 correlation                150
4   Petal.Width Sepal.Length  0.8342888 correlation                150
5       Species Sepal.Length  0.7865785       anova                150
6  Sepal.Length  Sepal.Width -0.1667777 correlation                150
7   Sepal.Width  Sepal.Width  1.0000000 correlation                150
25      Species      Species  1.0000000    cramersV                150

这也可以与优秀的 

corrr
包一起使用，例如绘制相关网络图：

require(corrr)

msleep %>%
    select(- name) %>%
    mixed_assoc() %>%
    select(x, y, assoc) %>%
    spread(y, assoc) %>%
    column_to_rownames("x") %>%
    as.matrix %>%
    as_cordf %>%
    network_plot()

11
投票

这是一个

tidyverse
解决方案：

# example dataframe
df <- data.frame(
  group = c('A', 'A', 'A', 'A', 'A', 'B', 'C'),
  student = c('01', '01', '01', '02', '02', '01', '02'),
  exam_pass = c('Y', 'N', 'Y', 'N', 'Y', 'Y', 'N'),
  subject = c('Math', 'Science', 'Japanese', 'Math', 'Science', 'Japanese', 'Math')
) 

library(tidyverse)
library(lsr)

# function to get chi square p value and Cramers V
f = function(x,y) {
    tbl = df %>% select(x,y) %>% table()
    chisq_pval = round(chisq.test(tbl)$p.value, 4)
    cramV = round(cramersV(tbl), 4) 
    data.frame(x, y, chisq_pval, cramV) }

# create unique combinations of column names
# sorting will help getting a better plot (upper triangular)
df_comb = data.frame(t(combn(sort(names(df)), 2)), stringsAsFactors = F)

# apply function to each variable combination
df_res = map2_df(df_comb$X1, df_comb$X2, f)

# plot results
df_res %>%
  ggplot(aes(x,y,fill=chisq_pval))+
  geom_tile()+
  geom_text(aes(x,y,label=cramV))+
  scale_fill_gradient(low="red", high="yellow")+
  theme_classic()

请注意，我正在使用 

lsr
包通过 
cramersV
函数计算 Cramers V。

4
投票

关于 Q1，如果您首先使用 ?structable（来自同一包）转换数据帧，则可以使用 vcd 包中的 ?pairs.table。这将为您提供一个“马赛克图”的绘图矩阵。这与 corrplot() 所做的不太一样，但我怀疑这将是一个更有用的可视化。
df <- data.frame( ... ) library(vcd) st <- structable(~group+student+exam_pass+subject, df) st # student 01 02 # subject Japanese Math Science Japanese Math Science # group exam_pass # A N 0 0 1 0 1 0 # Y 1 1 0 0 0 1 # B N 0 0 0 0 0 0 # Y 1 0 0 0 0 0 # C N 0 0 0 0 1 0 # Y 0 0 0 0 0 0 pairs(st) 



还有各种其他适合分类-分类数据的图，例如筛图、关联图和压力图（请参阅我关于
交叉验证
的问题：列联表的筛图/马赛克图的替代方案 ）。如果您不喜欢马赛克图，您可以编写自己的基于对的函数，将您想要的任何内容放入上部或下部三角形面板中（请参阅我的问题：将矩阵与 qq-plots）。请记住，虽然绘图矩阵非常有用，但它们仅显示边际投影（要更全面地理解这一点，请参阅我在 CV 上的回答：多元回归中“控制”和“忽略”其他变量之间有区别吗？ ，这里：三维散点图的替代品）。 

关于Q2，您需要编写一个自定义函数。 

    



    

    


  

  

    
最新问题


  





  

    © www.soinside.com 2019 - 2024. All rights reserved.