如何图形化度量变量关系及实现分组变量提取与可视化
操作前置:先处理数据类型问题
你贴的dput输出里,所有测量值都是带引号的字符类型,直接提取、画图会触发类型不匹配的报错,需要先做格式转换:
# 直接把你给出的dput结构赋值给数据框对象df df <- structure(list(var1 = c("2.655086631421", "3.7212389963679", "5.72853363351896", "9.08207789994776", "2.01681931037456", "8.98389684967697", "9.44675268605351", "6.60797792486846", "6.29114043898881", "0.617862704675645" ), var2 = c("1552.74486613787", "-2569.05222968964", "444.924755180376", "-30903.126560766", "5712.55164894465", "-15996.3316364127", "-39466.7802848889", "-6396.48804278828", "662.572855848352", "-542.783293142592"), var3 = c("12.0761815621956", "15.531955650981", "24.3703946694194", "38.692940909924", "1.13425531130685", "37.6187150619221", "48.2338786451232", "27.554822845155", "22.9179948054061", "7.56647601307255" ), var4 = c("0.136221893102778", "0.407167603423836", "-0.0696548130129049", "-0.247664341619331", "0.69555080661964", "1.1462283572158", "-2.40309621489187", "0.572739555245841", "0.374724406778655", "-0.425267721556076"), gruppe = c("0", "0", "0", "1", "1", "1", "1", "1", "0", "0")), row.names = c(NA, 10L), class = "data.frame") # 批量把4个测量列从字符转为数值型 num_cols <- c("var1", "var2", "var3", "var4") df[num_cols] <- lapply(df[num_cols], as.numeric) # 把分组列转为因子类型,方便后续画图时自动分组映射 df$gruppe <- as.factor(df$gruppe)
变量提取与分组筛选的基础方法
- 提取全样本var1列:直接用
df$var1或者df[, "var1"],返回长度和行数一致的数值向量 - 按分组条件筛选提取对应var1值:
- 提取组别为0的全部var1测量值:
df[df$gruppe == "0", "var1"] - 提取组别为1的全部var1测量值:
df[df$gruppe == "1", "var1"]
- 提取组别为0的全部var1测量值:
- 如果用tidyverse语法链,对应的连贯写法是
df |> filter(gruppe == "目标组别") |> pull(var1),不需要手动写行索引判断。
分任务实现要求的分析流程
任务(a):var1的组间分布可视化
- 适合选分组箱线图叠加抖动散点的组合图形,既能展示两组的分位数、离群值整体分布特征,也能覆盖每个原始测量点的位置,直观对比组间差异:
# 绘制分组箱线图 boxplot(var1 ~ gruppe, data = df, xlab = "组别", ylab = "var1测量值", col = c("#f8766d", "#00bfc4")) # 叠加抖动散点,展示每个原始数据点 stripchart(var1 ~ gruppe, data = df, vertical = TRUE, method = "jitter", pch = 19, add = TRUE, col = "gray30")
- 差异判断逻辑:如果两组箱线的四分位区间没有明显重叠,中位数差距较大,就说明存在组间特异性差异。
任务(b):三对变量的关系可视化
- 统一用分组着色散点图,同个图内用不同颜色区分组别,同时展示整体变量关联趋势和组间的差异特征:
- var1与var3关系图
plot(df$var1, df$var3, col = df$gruppe, pch = 19, xlab = "var1", ylab = "var3") legend("topleft", legend = levels(df$gruppe), col = 1:2, pch = 19, title = "组别")
- var1与var2关系图
plot(df$var1, df$var2, col = df$gruppe, pch = 19, xlab = "var1", ylab = "var2") legend("topright", legend = levels(df$gruppe), col = 1:2, pch = 19, title = "组别")
- var1与var4关系图
plot(df$var1, df$var4, col = df$gruppe, pch = 19, xlab = "var1", ylab = "var4") legend("topleft", legend = levels(df$gruppe), col = 1:2, pch = 19, title = "组别")
- 关系判断逻辑:如果散点整体沿固定方向斜线分布,就代表变量间存在线性关联;如果两类颜色的散点云完全分离,就说明组间在该变量对的关联特征上存在差异。
任务(c):基础关系统计量计算
- 核心计算皮尔逊相关系数,衡量连续变量间的线性关联强度,分别输出全样本、分组维度的结果:
# 全样本下4个变量的相关系数矩阵 cor(df[num_cols]) # 组别0下的相关系数矩阵 cor(df[df$gruppe == "0", num_cols]) # 组别1下的相关系数矩阵 cor(df[df$gruppe == "1", num_cols])
- 结果解读参考:相关系数绝对值越接近1,代表线性关联越强;越接近0代表线性关联越弱;正值代表正相关,负值代表负相关。
内容的提问来源于stack exchange,提问作者Mrs. Friday
相关产品推荐
相关产品推荐

