R语言ggplot2中是否有等效于PerformanceAnalytics的chart.Correlation函数

目前ggplot2生态有成熟的等效实现方案，不需要完全从零开发，同时也支持你要求的加权数据适配，具体实现方式如下：

方案1：直接使用GGally包的ggpairs函数 #

GGally是ggplot2的官方拓展包之一，其提供的ggpairs函数是最接近PerformanceAnalytics::chart.Correlation的现成工具，默认支持ggplot2的全套语法规则，可直接传入权重映射。
基础无权重版本的用法和原函数几乎一致：

# 加载所需包
library(ggplot2)
library(GGally)
library(PerformanceAnalytics)

data(managers)
# 生成和原chart.Correlation效果近似的相关矩阵图
ggpairs(
  managers[,1:8],
  lower = list(continuous = wrap("points", pch = "+")),
  diag = list(continuous = wrap("barDiag", bins = 15)),
  upper = list(continuous = wrap("cor", size = 3))
)

方案2：自定义加权版本的相关矩阵图 #

如果需要完全适配加权数据，只需要自定义ggpairs三个区域的绘图函数即可，代码如下：
首先安装加载额外需要的加权计算包：

install.packages("weights")
library(weights)

构造带权重的示例数据，实际使用时替换为你的真实权重列即可：

df <- as.data.frame(managers[,1:8])
df$weight <- runif(nrow(df), 0.5, 2) # 示例权重列

分别自定义上三角（加权相关系数+显著性标记）、对角线（加权直方图/密度曲线）、下三角（加权散点）的绘图函数：

# 上三角：加权相关系数+显著性标记
wtd_cor <- function(data, mapping, ...){
  x <- eval_data_col(data, mapping$x)
  y <- eval_data_col(data, mapping$y)
  w <- eval_data_col(data, mapping$weight)
  cor_res <- wtd.cor(x, y, weight = w)
  r <- round(cor_res[1,1], 2)
  sig <- cut(cor_res[1,4], breaks = c(-Inf, 0.001, 0.01, 0.05, Inf), labels = c("***", "**", "*", ""))
  ggplot(data, mapping) +
    geom_text(aes(label = paste0(r, "\n", sig)), size = 4) +
    theme_void()
}

# 对角线：加权直方图+加权密度曲线
wtd_diag <- function(data, mapping, ...){
  ggplot(data, mapping) +
    geom_histogram(aes(y = after_stat(density), weight = weight), bins = 15, fill = "grey90", col = "black") +
    geom_density(aes(weight = weight), col = "#d73027", linewidth = 1)
}

# 下三角：加权散点图
wtd_point <- function(data, mapping, ...){
  ggplot(data, mapping) +
    geom_point(aes(weight = weight), pch = "+", alpha = 0.7)
}

最终调用ggpairs生成加权相关矩阵图：

ggpairs(
  df,
  columns = 1:8, # 指定参与相关计算的列，排除权重列
  mapping = aes(weight = weight), # 全局传入权重映射
  lower = list(continuous = wtd_point),
  diag = list(continuous = wtd_diag),
  upper = list(continuous = wtd_cor)
) + theme_bw()

如果需要高频使用，可以把上述逻辑封装成独立函数，调用方式和原chart.Correlation完全一致，还可以按需自定义配色、字体、显著性规则等样式，灵活度远高于原函数。

内容的提问来源于stack exchange，提问作者Markm0705