Matriz de gráficos no R Base

O gráfico de Draftman (Draftman’s plot), também conhecido como matriz de gráficos (tradução minha para scatterplot matrix) ou gráficos de pares (pairs plot), pode ser computado no R com a simples função pairs().

pairs(swiss)

Com esse plot conseguimos observar os gráficos de dispersão para cada par de variáveis e entender melhor os números que aparecem na matriz de correlação. Porém, esta matriz é redundante ao repetir informação nas diagonais, deixando de lado informações interessantes. Por exemplo, podemos colocar histogramas de frequência nas diagonais para visualizar a distribuição dos dados em cada variável. Para isso, carregamos a função abaixo, panel.hist().

#função retirada do help(pairs)
panel.hist <- function(x, ...)
{
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(usr[1:2], 0, 1.5) )
  h <- hist(x, plot = FALSE)
  breaks <- h$breaks; nB <- length(breaks)
  y <- h$counts; y <- y/max(y)
  rect(breaks[-nB], 0, breaks[-1], y, col = "cyan", ...)
}

pairs(swiss, diag.panel = panel.hist)

Outra modificação pode ser colocar os coeficientes das correlações em um dos painéis triangulares, condicionando o tamanho dos números ao valor da correlação.

#função retirada do help(pairs)
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...)
{
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(0, 1, 0, 1))
  r <- abs(cor(x, y))
  txt <- format(c(r, 0.123456789), digits = digits)[1]
  txt <- paste0(prefix, txt)
  if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
  text(0.5, 0.5, txt, cex = cex.cor * r)
}

pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor)

E por fim, podemos visualizar melhor a forma da associação entre as variáveis colocando uma linha de suavização nos gráficos (método LOWESS), permitindo avaliar se a relação é linear, ou pelo menos monotônica.

#panel.smooth já existe como função no R
pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor,
      lower.panel = panel.smooth)

A partir dos exemplos de funções acima, podemos criar outras que nos agrade mais e que nos ajude a entender melhor os gráficos. Por exemplo, se quisermos colocar uma reta de regressão nos gráficos de dispersão ao invés da curva LOWESS, podemos modificar a função panel.smooth.

panel.lm <- function (x, y, col = par("col"), bg = NA, pch = par("pch"), 
    cex = 1, col.line="red") {
    points(x, y, pch = pch, col = col, bg = bg, cex = cex)
    ok <- is.finite(x) & is.finite(y)
    if (any(ok)) {
       abline(lm(y[ok]~x[ok]), col = col.line)
    }
}

pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor,
      lower.panel = panel.lm)

Matriz de gráficos no pacote GGally

Este pacote é baseado no pacote ggplot2, que é uma outra maneira de se fazer gráficos no R. Além de muitas outras funcionalidades interessantes (ver documentação), o GGally também tem uma função análoga ao pairs().

Essa função é boa quando também temos variáveis categóricas, por exemplo no conjunto de dados iris que tem medidas de 3 espécies diferentes.

library(GGally)
ggpairs(iris, lower = list(continuous = "smooth"))

Ou podemos comparar as medidas entre espécies com os valores das correlações, histogramas e gráficos de dispersão para cada espécie.

ggpairs(iris, columns = 1:4, ggplot2::aes(colour=Species))

O legal da função ggpairs() é brincar com as diferentes formas de representar as variáveis nos painéis. Para isso, mexemos nos argumentos upper, lower e diag, que tem uma opção para cada tipo de relação entre variáveis: continous vai descrever o que plotar entre duas variáveis contínuas; combo entre uma contínua e uma discreta e discrete entre duas variáveis discretas. Vale a pena olhar o material do pacote e testar diferentes combinações!

Matriz de gráficos em outros pacotes

Temos também variantes do pairs() no pacote car (função scatterPlotMatrix()) e no pacote lattice (função splom()). Na função scatterPlotMatrix() é possível usar a variável categórica para separar os valores das contínuas como feito em ggpairs(). Abaixo, só para não deixar de apresentar, eu coloco exemplos das funções sem explorar muito seus argumentos.

car::spm(~ Sepal.Length + Sepal.Width +  Petal.Length|Species, 
         data = iris,
        by.group=TRUE)

lattice::splom(iris)

Matrizes de correlação tipo heatmaps

Uma outra forma de apresentar as relações (nesse caso, correlações) entre as variáveis quantitativas (aqui não entram as categóricas), é usando gráficos que se assemelham aos gráficos de “calor” (heatmaps), onde as cores de cada correlação vão indicar a força e o sinal da correlação.

Eu encontrei 2 pacotes que fazem gráficos bem parecidos: corrgram (veja aqui e aqui) e corrplot(veja aqui). E também existe a função ggcorr() do pacote GGally. Vale a pena olhar os links dos pacotes e funções para ter uma ideia melhor das funcionalidades e customizações gráficas disponíveis.

A desvantagem que vejo deste tipo de matriz de gráficos é que não vemos a nuvem de pontos dos dados originais para avaliar a forma da relação além do valor da correlação. Mas as funções possuem outras funcionalidades como por exemplo, reagrupar as variáveis para que as mais parecidas fiquem próximas, podendo inclusive utilizar técnicas de agrupamento entre as variáveis.

Vamos começar com a função mais simples ggcorr().

ggcorr(swiss, label=T)

Com o pacote corrplot temos muito mais funcionalidades gráficas e detalhes para apresentar as correlações, como por exemplo 7 tipos de visualização gráfica: círculos, quadrados, elipses, números, sombras, cores e gráficos de pizza.

library(corrplot)
# primeiro fazemos a matriz de correlação
M <- cor(swiss)
corrplot(M, method = "circle")

Com essa função é possível reordenar a matriz de acordo com os coeficientes de correlação. Existem alguns métodos para isso, vamos ficar com o método de agrupamento hierárquico (hclust) que também tem diferentes métodos envolvidos (todos podem ser acessados pelos argumentos da função). Com este método, podemos desenhar retângulos criando N grupos de variáveis mais correlacionadas .

corrplot(M, order = "hclust", addrect = 3, tl.pos="d")

Já no pacote corrgram o plot padrão (default) não me parece muito atraente (veja abaixo), mas a função corrgram permite muita flexibilidade na construção gráfica, inclusive fazendo os plots parecidos com o pairs().

#plot padrão
library(corrgram)
corrgram(swiss)

corrgram(swiss, lower.panel = panel.pts, upper.panel= panel.conf, diag.panel = panel.density)

Enfim, estes foram alguns exemplos de como criar gráficos com todas tuas variáveis de interesse ao mesmo tempo de forma a entender melhor os dados e suas relações!

Boas análises!