R使用corrplot绘制含分类变量的相关矩阵报错x must be numeric解决方案

cor()函数仅支持输入数值型变量计算相关系数，你的数据框中region、graduate为分类变量，无法直接参与计算，因此触发报错。

独热编码是必须步骤，无法仅通过修改corrplot参数绕过该处理：corrplot仅负责相关矩阵的可视化，不具备分类变量自动编码的能力，你必须先将分类变量转换为数值型格式才能继续计算。

优化提示：

• 二分类变量graduate不需要拆为两列，仅保留1列0/1值即可（1代表yes、0代表no），避免多重共线性
• 多分类变量region仅需生成n-1个独热列即可，比如留region-North、region-Center两列，South作为默认参照组，不需要单独列示

library("corrplot")
library("fastDummies")
# 可选加载：用于计算标准化回归系数
library("lm.beta")

# 原始数据集
df <- data.frame(age=c(19,25,23,30), 
                 region=c("North","South","Center","South"), 
                 graduate=c("no","yes","yes","no"), 
                 salary=c(21000,24000,23000,25000))

# 自动生成独热编码，自动删除原分类列、自动删去参照列避免共线性
df_encoded <- dummy_cols(df, 
                         select_columns = c("region","graduate"),
                         remove_selected_columns = TRUE,
                         remove_first_dummy = TRUE)

# 计算相关矩阵并可视化
cor_matrix <- cor(df_encoded)
corrplot(cor_matrix, method = "number")

# 补充：获取对salary影响最大的变量，推荐用标准化回归系数（控制其他变量干扰，结果更准确）
salary_model <- lm(salary ~ ., data = df_encoded)
# 输出标准化系数，绝对值越大代表对salary的影响越强
lm.beta(salary_model)

• 相关矩阵输出中，与salary相关系数绝对值最大的变量，即为和salary线性关联度最高的变量
• 标准化回归系数的绝对值大小，代表控制其他变量后该变量对salary的影响幅度，参考价值更高

内容的提问来源于stack exchange，提问作者LJG