相关矩阵的图形表示被称为相关图。它通常用于突出显示数据集或数据表中相关性最显著的变量。图中的相关系数根据其数值大小进行了颜色编码。根据变量之间的关联程度，我们可以相应地对相关矩阵重新排序。
#### R 语言中的相关图
在 R 语言中，我们将使用 "corrplot" 包 来实现相关图。因此，要在 R 控制台中安装该包，我们应当执行以下命令：
install.packages("corrplot")
一旦我们正确安装了该包，就可以使用 library() 函数将其加载到我们的 R 脚本中，如下所示：
library("corrplot")
现在我们将看看如何在 R 编程中实现相关图。我们将通过一个示例，一步步详细讲解实现过程。
示例：
步骤 1：[相关性分析的数据]： 首要任务是选择一个合适的数据集来实现这一概念。在我们的示例中，我们将使用 "mtcars" 数据集，这是 R 语言内置的一个数据集。让我们先看看这个数据集中的一些数据。
R
CODEBLOCK_e0878136
输出：
head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
步骤 2：[计算相关矩阵]： 现在我们要计算一个相关矩阵，以便绘制相关图。我们将使用 cor() 函数来计算相关矩阵。
R
CODEBLOCK_108eab26
输出：
head(round(M,2))
mpg cyl disp hp drat wt qsec vs am gear carb
mpg 1.00 -0.85 -0.85 -0.78 0.68 -0.87 0.42 0.66 0.60 0.48 -0.55
cyl -0.85 1.00 0.90 0.83 -0.70 0.78 -0.59 -0.81 -0.52 -0.49 0.53
disp -0.85 0.90 1.00 0.79 -0.71 0.89 -0.43 -0.71 -0.59 -0.56 0.39
hp -0.78 0.83 0.79 1.00 -0.45 0.66 -0.71 -0.72 -0.24 -0.13 0.75
drat 0.68 -0.70 -0.71 -0.45 1.00 -0.71 0.09 0.44 0.71 0.70 -0.09
wt -0.87 0.78 0.89 0.66 -0.71 1.00 -0.17 -0.55 -0.69 -0.58 0.43
步骤 3：[使用 Method 参数进行可视化]： 首先，我们将看看如何以不同的形状（如圆形、饼图、椭圆等）可视化相关图。我们将使用 corrplot() 函数，并在其 method 参数（方法参数）中指定形状。
R
CODEBLOCK_87ba8263
输出：
步骤 4：[使用 Type 参数进行可视化]： 我们将看看如何以不同的类型（如上三角和下三角矩阵）可视化相关图。我们将使用 corrplot() 函数，并在其中指定 type 参数（类型参数）。
R
CODEBLOCK_bd45a933
输出：
步骤 5：[重新排序相关图]： 我们将看看如何对相关图进行重新排序。我们将使用 corrplot() 函数，并在其中指定 order 参数（排序参数）。我们将使用 "hclust" 排序方式进行层次聚类。
R
加载所需的包
library(corrplot)
head(mtcars)
计算相关矩阵
M<-cor(mtcars)
head(round(M, 2))
重新排序
使用 hclust 重新排序的相关图
corrplot(M, type = "upper", order = "hclust")