最近学习了好几种画相关性热力图的包，为了更好地运用这些包，决定整理一下~~~

1. GGally包

准确地来说，可以利用该包当中的ggpair()函数来计算相关系数以及绘图，但在图中，相关系数仅仅是数值展示，并未做出热力图展示。具体实例说明可见之前的推文：
2022-11-10逐步回归分析——以房屋能效数据集为例

相应的相关系数可通过设置参数method的值来进行更改，method="spearman".

2. ggcorrplot包

该包利用ggcorrplot()函数进行相关性热图分析，从而探索各个变量之间的相关性。具体实例说明可见之前的推文：
2022-11-28第五章习题以及R packages|ggcorrplot : 相关矩阵的可视化(热图)

使用cor()函数计算相关系数，通过指定参数method值计算相应的相关系数；
使用该包当中的cor_pmat()函数计算p值

3. corrplot包

该包包含两个可以进行相关系数可视化的函数：corrplot()和corrplot.mixed()。其中，函数corrplot.mixed()实现了矩阵上下三角阵不同的图形模式。具体实例说明可见之前的推文：
2022-11-16Logistic回归模型以及corrplot::corrplot()和corrplot.mixed()

同样使用cor()函数计算相关系数，另外，使用该包当中的cor.mtest()函数计算p值

4. ggplot2包

如果说用一个包能够解决你大部分的绘图问题，那我们何乐而不为呢？这个包就是ggplot2，它在R中有着不可撼动的位置。因此，我们有必要知道如何用ggplot2去画相关性热图。
R语言绘制相关性热图

# 加载包
library(ggplot2)
library(dplyr)
library(tidyr)

# 加载数据
data(mtcars)
head(mtcars)

# cor()函数计算相关系数，默认是Pearson
## 直接计算得到的是相关矩阵，为了后面画图需要转化成data.frame
## 考虑到后面的热力图x,y轴都是变量，因此这里需要单独添加一列变量名
cormtcars <- round(cor(mtcars),3) %>% as.data.frame()
cormtcars$factor <- row.names(cormtcars)
head(cormtcars,3)

# 数据转换，宽型变为长型
mtcars_long <- gather(cormtcars,key = "variable",value = "value",mpg:carb)
head(mtcars_long,3)

长型数据

# 绘制热图
## 确定绘图时x,y轴的因子顺序
list <- factor(row.names(cormtcars),levels = row.names(cormtcars))

p <- ggplot(mtcars_long, aes(factor(factor,levels = list),
            factor(variable ,levels = list),fill = value)) +
    theme_bw(base_family = "STKaiti") +
    geom_tile() +
    scale_fill_gradientn(colors = c("blue","white","red")) +
    labs(x="",y="",title = "相关性热图") +
    theme(plot.title = element_text(hjust = 0.5))
p

相关性热图

配色是丑了些，颜色这个东西不到发文章阶段根本不想调，哈哈哈~~~