R中散点图去x=0/y=0值及线性检验相关技术咨询

问题背景 #

我需要对多组变量对进行线性检验，目前用ggpairs(data)实现，但很多变量存在x=0和y=0的取值，散点图形态受影响，难以判断正相关性。现提出两个问题：

1. 进行线性检验和计算Pearson相关系数时，是否需要移除这些x=0和y=0的点？
2. 若需移除，如何仅在对应散点图中删除这些点，而不删除整行数据或影响其他散点图？

示例数据集（变量代表各领域工作年限）：

structure(list(ID = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), D_biologie = c(0, 
1, 5, 2, 3, 12, 0, 4, 0, 0), D_chimie = c(2, 9, 0, 4, 0, 40, 
0, 6, 9, 0), D_math = c(5, 2, 0, 6, 0, 30, 10, 7, 0, 50), D_physic = c(12, 
3, 5, 7, 12, 5, 0, 9, 40, 6), D_french = c(40, 4, 35, 9, 40, 
0, 4, 4, 5, 7), D_eng = c(30, 0, 0, 10, 30, 4, 2, 0, 0, 50), 
    D_hist = c(5, 6, 0, 4, 5, 0, 6, 7, 0, 0), D_geo = c(0, 8, 
    2, 0, 0, 0, 9, 1, 0, 0)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -10L))

问题1：是否需要移除x=0和y=0的点？ #

这完全取决于你的研究假设和变量定义：

• 如果0代表「该领域无工作经验」，而你的研究目标是探究有该领域工作经验人群中，两个变量的线性相关性，那必须移除这些0值点——因为0值对应的样本不属于你要研究的群体，保留会稀释甚至扭曲真实的相关性。
• 如果你的研究需要覆盖所有样本（包括无经验者），那不能移除，但此时要注意：Pearson相关系数要求变量服从正态分布且存在线性关系，大量0值会破坏这些前提，建议改用Spearman秩相关，或者先分析0值的意义（是否为截断数据），再选择合适的统计方法。

简单说：先明确你要研究的群体是谁，再决定是否移除。

问题2：如何在ggpairs中仅对应散点图删除0值点？ #

可以通过自定义ggpairs的散点图绘制函数，在绘图时仅过滤当前变量对的0值，不修改原始数据集，也不影响其他子图（比如对角线上的直方图、其他变量对的图）。

实现代码 #

library(GGally)
library(tidyverse)

# 加载示例数据
data <- structure(list(ID = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), D_biologie = c(0, 
1, 5, 2, 3, 12, 0, 4, 0, 0), D_chimie = c(2, 9, 0, 4, 0, 40, 
0, 6, 9, 0), D_math = c(5, 2, 0, 6, 0, 30, 10, 7, 0, 50), D_physic = c(12, 
3, 5, 7, 12, 5, 0, 9, 40, 6), D_french = c(40, 4, 35, 9, 40, 
0, 4, 4, 5, 7), D_eng = c(30, 0, 0, 10, 30, 4, 2, 0, 0, 50), 
    D_hist = c(5, 6, 0, 4, 5, 0, 6, 7, 0, 0), D_geo = c(0, 8, 
    2, 0, 0, 0, 9, 1, 0, 0)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -10L))

# 自定义散点图函数：过滤当前x和y的0值
custom_scatter <- function(data, mapping, ...) {
  # 提取当前x和y变量名
  x_var <- as_label(mapping$x)
  y_var <- as_label(mapping$y)
  
  # 过滤数据：仅保留x≠0且y≠0的行
  filtered_data <- data %>%
    filter(!!sym(x_var) != 0, !!sym(y_var) != 0)
  
  # 绘制散点图，可选添加线性拟合线
  ggplot(filtered_data, mapping) +
    geom_point(...) +
    geom_smooth(method = "lm", se = FALSE, color = "red")
}

# 生成ggpairs图：仅在散点图（上下三角）使用自定义函数
ggpairs(data, columns = 2:9, # 指定要分析的变量列（排除ID）
        upper = list(continuous = custom_scatter),
        lower = list(continuous = custom_scatter))

代码说明 #

• custom_scatter函数会自动识别当前子图的x和y变量，仅过滤该变量对的0值，不影响其他子图的数据。
• 对角线上的直方图/密度图仍会使用原始数据，不会被过滤。
• 如果只需要修改上三角或下三角的散点图，只需调整upper或lower参数即可。

内容的提问来源于stack exchange，提问作者R_help