求R语言代码：绘制含对照与胁迫处理的组合correlation matrix图

核心依赖包 #

我们使用GGally包实现这类组合图，它支持在相关矩阵中同时展示散点图、密度曲线与相关系数，且天然支持分组可视化。

1. 安装并加载必要包 #

# 首次运行时安装依赖包
install.packages(c("GGally", "ggplot2", "dplyr"))

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

2. 准备数据集（替换为你的真实数据） #

以下是模拟的对照/胁迫数据集结构，你只需要保证数据包含：

• 一个分组列（命名为Group，值为Control/Stress）
• 若干数值型的实验指标列

# 设置随机种子保证结果可重复
set.seed(123)

# 生成对照处理数据（30个样本，5个指标）
control_data <- data.frame(
  Group = "Control",
  Index1 = rnorm(30, 50, 8),
  Index2 = rnorm(30, 45, 7),
  Index3 = rnorm(30, 60, 9),
  Index4 = rnorm(30, 35, 6),
  Index5 = rnorm(30, 55, 8)
)

# 生成胁迫处理数据（30个样本，5个指标）
stress_data <- data.frame(
  Group = "Stress",
  Index1 = rnorm(30, 40, 8),
  Index2 = rnorm(30, 55, 7),
  Index3 = rnorm(30, 45, 9),
  Index4 = rnorm(30, 45, 6),
  Index5 = rnorm(30, 40, 8)
)

# 合并两类数据
combined_data <- rbind(control_data, stress_data)

3. 绘制组合型相关矩阵图 #

ggpairs(
  data = combined_data,
  columns = 2:6, # 指定要分析的指标列位置（跳过第一列Group）
  aes(color = Group, fill = Group), # 按分组着色/填充
  # 上三角：展示分组散点图，调整透明度和点大小避免重叠
  upper = list(continuous = wrap("points", alpha = 0.6, size = 1.2)),
  # 对角线：展示分组密度曲线，调整透明度
  diag = list(continuous = wrap("densityDiag", alpha = 0.5)),
  # 下三角：展示相关系数，调整字体大小
  lower = list(continuous = wrap("cor", size = 4))
) +
  theme_bw() + # 使用简洁的黑白主题
  # 自定义分组颜色
  scale_color_manual(values = c("Control" = "#1f77b4", "Stress" = "#ff7f0e")) +
  scale_fill_manual(values = c("Control" = "#1f77b4", "Stress" = "#ff7f0e")) +
  # 添加标题并调整格式
  labs(title = "Correlation Matrix: Control vs Stress Treatments") +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

关键调整说明 #

• 如果你的指标列位置不同，修改columns参数（比如指标从第3列开始就写3:7）
• 可替换scale_color_manual/scale_fill_manual中的颜色值为你偏好的配色
• 若样本量过大，可进一步降低散点的alpha值或size值，避免图形过度拥挤

内容的提问来源于stack exchange，提问作者ORBITTING ARYABHATA