# 读取数据
data <- read.csv("H://zombie//Total_data.csv") #原始数据，要求第一排为列名
mydata <- data[, c(15:22)] # 选择需要计算相关性的列
mydata<-na.omit(mydata) # 删除含NA的行
#data<-subset(data,列名!="NA") # 删除含NA的列
# 计算相关性
res <- cor(mydata)
round(res, 2)#保留两位小数
# 可视化相关性矩阵
library(corrplot)#先加载包 # 相关包的下载 可以在界面栏那边下载哦！
corrplot(res, type = "lower", order = "hclust", tl.col = "black", tl.srt = 45)
#type: “upper”, “lower”, “full”,显示上三角还是下三角还是全部
#order:用什么方法，这里是hclust
#tl.col (for text label color) and tl.srt (for text label string rotation) :控制文本颜色以及旋转角度
#保存图片
# 这边建议 右键保存为 PDF 然后进行裁剪
setwd("C://Users//戏法波//Desktop")
savePlot(filename = "相关性矩阵图2", type ="png", device = dev.cur(), restoreConsole = TRUE)
# 计算显著性
library(Hmisc)#加载包
res2 <- rcorr(as.matrix(mydata))
res2
# 绘制显著性矩阵
# Insignificant correlations are leaved blank
#corrplot(res2$r, type="upper", order="hclust", p.mat = res2$P, sig.level = 0.01, insig = "blank")
savePlot("CTplot", type=c("jpg"),device=dev.cur(),restoreConsole=TRUE)
# 高级复合图
library(PerformanceAnalytics)#加载包
chart.Correlation(mydata, histogram=TRUE, pch=19)
#对角线上显示的是分布图
#左下部显示的是具有拟合线的双变量散点图
#右上部显示的是相关系数以及显著性水平
# 聚类热图
col<- colorRampPalette(c("blue", "white", "red"))(20)#调用颜色版自定义颜色
heatmap(x = res, col = col, symm = TRUE)#symm表示是否对称
