R平台相关系数教程

本教程介绍相关系数的知识，包括三方面的内容：
首先，R平台相关系数计算
其次，R平台相关矩阵可视化
最后，R平台相关系数的类型和如何影响后续分析工作

数据导入

选自Kaggle的电影数据集movies。
R代码

## 数据导入
data.url <- "http://s3.amazonaws.com/dcwoods2717/movies.csv"
movies.data <- read.csv(
  url(data.url)
)

数据理解

一旦数据成功导入后，使用str()函数核查数据结构。
R代码

### 1 数据结构核查
str(movies.data)
names(movies.data)

结论：
电影数据集包含2961个观察（样本）和11个变量（属性）

特征工程

特征衍生，利润=收入-成本。
R代码

movies.data$profit <- movies.data$gross - movies.data$budget
summary(movies.data$profit)

结果：

相关性

观测电影利润与电影评分的关系。(散点图+回归线)
R代码

plot(movies.data$rating, movies.data$profit)
abline(lm(movies.data$profit ~ movies.data$rating), col = 'red', lwd = 2)

结果

通常情况下，电影评级越高，利润越大，利润与电影评级存在正相关性。
但是，也存在一些评级较低，利润蛮高的电影。

【温馨提示】：相关性并不意味着因果性！

相关系数计算

电影评级与利润的相关程度究竟怎么样，可以用相关系数进行度量。
R代码

#计算Pearson correlation
cor(movies.data$rating, movies.data$profit)
# 计算多变量的两两之间变量相关系数矩阵
cor(movies.data[,5:8])

结果

默认方法Pearson相关性假设您的变量是正态分布的，每个变量之间存在直线关系，并且数据通常在回归线上分布。您可以使用Hmisc包的rcorr函数，用于计算Pearson和spearman相关性的显着性水平。
相关矩阵实际上是显示变量集之间的相关系数的表。

相关矩阵可视化

电影数据集的变量绘制相关矩阵，相关矩阵图可以方便地发现变量之间的正负性和强弱性。
相关矩阵使用GGally包的ggcorr()函数。
R代码

## 相关矩阵图
if(!require(GGally))
{
  install.packages("GGally")
  require(GGally)
}
ggcorr(movies.data,
       label = TRUE,
       label_alpha = TRUE)

结果

通过上图，可以清晰地发现，那些变量之间是强相关，那些变量是弱相关，以及相关性的正负性和相关性具体量化值。

相关类型

由相关矩阵图可知，变量votes和变量reviews强相关，相关系数为0.8。
R代码

qplot(movies$votes, 
      movies$reviews, 
      data = movies, 
      geom = c("point", "smooth"), 
      method = "lm", 
      alpha = I(1 / 5), 
      se = FALSE)

结果

同理，变量profit与变量year弱相关，相关系数为-0.1。
R代码

qplot(movies.data$year, 
      movies.data$profit, 
      data = movies.data, 
      geom = c("point", "smooth"), 
      alpha = I(1 / 5))

结果

综合

利用GGally中的ggpairs函数，可以很好地把上面介绍的内容以简洁易懂的方式进行综合。
R代码

names(movies.data)
ggpairs(movies.data, 
        columns = c("budget", "rating", "profit"), 
        upper = list(continuous = wrap("cor", 
                                       size = 10)), 
        lower = list(continuous = "smooth"))

结果

希望这些知识能够应用于您的分析里，这些是R平台做数据探索的基础知识，它是让你在数据分析和建模之前对数据有更好地认识。

思考环节：

1 选择一份您自己感兴趣的数据，进行相关性探索？

您在阅读中，有什么建议或者想法，请留言。

---

文章推荐：

1 R做机器学习简易教程           

2 R语言做数据探索

3 电商评论情感分析

---

公众号推荐：

数据科学与人工智能，分享数据科学和人工智能的内容。

---

阅读原文，更多精彩！

分享是收获，传播是价值！