目录
- 0、引言（绘制相关性热图）
- [1. 椭圆相关图 corrgram（高级期刊老派高级风）](#1. 椭圆相关图 corrgram（高级期刊老派高级风）)
- [2. 相关性网络图 qgraph（最唬人！高维变量首选）](#2. 相关性网络图 qgraph（最唬人！高维变量首选）)
- [3. circlize 环形相关性圈图（封面图级别，视觉最强）](#3. circlize 环形相关性圈图（封面图级别，视觉最强）)
- [4. ComplexHeatmap 复合热图（顶刊天花板，ComplexHeatmap）](#4. ComplexHeatmap 复合热图（顶刊天花板，ComplexHeatmap）)
- [5. GGally::ggpairs 散点-相关复合矩阵图](#5. GGally::ggpairs 散点-相关复合矩阵图)
- [6. 气泡相关性图（ggplot2实现，气泡大小映射相关系数）](#6. 气泡相关性图（ggplot2实现，气泡大小映射相关系数）)
0、引言（绘制相关性热图）
除普通热图，整理 6 种SCI 常用、视觉冲击力强的相关图，包含：气泡相关图、网络图、圆环相关图、Dendrogram + 热图复合、散点矩阵热图、椭圆相关图，全部可直接复制运行。
数据集依旧 mtcars，替换成你的数据框即可，全部支持 Pearson / Spearman 相关系数。
r
# 一次性安装全部需要包
# install.packages(c("corrplot","corrgram","qgraph","circlize","ComplexHeatmap","ggpairs","tidyverse"))
library(tidyverse)
library(corrplot)
data(mtcars)
corr <- cor(mtcars, method = "pearson")
pmat <- cor.mtest(mtcars)$p # 相关性P值矩阵
1. 椭圆相关图 corrgram（高级期刊老派高级风）
椭圆宽窄代表相关强弱，倾斜方向代表正负，比色块信息量更大。
r
library(corrgram)
corrgram(mtcars,
order=TRUE, # 按聚类重排变量
lower.panel=panel.ellipse, # 椭圆
upper.panel=panel.cor, # 上三角打印相关系数
text.panel=panel.txt,
main="Correlation Ellipse Plot")特点：椭圆越扁相关性越强；向右倾斜正相关，向左倾斜负相关。
2. 相关性网络图 qgraph（最唬人！高维变量首选）
变量为节点，连线粗细=相关系数大小，颜色区分正负相关，高维数据效果炸裂。
r
library(qgraph)
qgraph(corr,
layout = "spring", # 布局 spring / circle
edge.color = c("blue","red"), # 蓝负，红正
vsize = 6, # 节点大小
esize = 1.2, # 连线粗细
threshold = 0.3, # 只展示 |r|>0.3 的相关，过滤噪声
labels=colnames(corr),
title="Correlation Network Graph")threshold=0：展示全部相关；高维一定要设置阈值，图不会一团乱。- 适合：样本变量多（>15个变量），EDM、组学论文大量出现。
3. circlize 环形相关性圈图（封面图级别，视觉最强）
圆环，弦连接变量，弦宽度映射相关系数，很多SCI封面用这个图。
r
library(circlize)
circos.clear()
circos.par(gap.degree = 3)
chordDiagram(corr,
symmetric = TRUE,
grid.col = rainbow(ncol(corr)),
transparency = 0.5,
link.lwd = 1,
link.border = NA)
title("Circular Correlation Chord Diagram")注意：变量不要太多，20个以内效果最佳；变量过多会密密麻麻。
4. ComplexHeatmap 复合热图（顶刊天花板，ComplexHeatmap）
可以叠加行注释、列注释、分组条、显著性标记、聚类树，Nature子刊同款热图 ，比pheatmap自由度高得多。
备注，安不上该包的可以参考链接。
r
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("ComplexHeatmap")
r
library(ComplexHeatmap)
library(circlize)
col_fun = colorRamp2(c(-1,0,1), c("#2166ac","white","#b2182b"))
Heatmap(corr,
col = col_fun,
name = "r",
show_row_names = TRUE,
show_column_names = TRUE,
cluster_rows = TRUE,
cluster_columns = TRUE,
show_heatmap_legend = TRUE,
cell_fun = function(j, i, x, y, width, height, fill) {
grid.text(sprintf("%.2f", corr[i,j]), x, y, gp = gpar(fontsize =7))
})亮点：可以拼接多个注释条、样本分组、p值星号标记，适合教育挖掘、多组学数据。
增加显著性*标记（cell_fun里面加逻辑）
r
Heatmap(corr,
col = col_fun, name="r",
cell_fun = function(j,i,x,y,w,h,fill){
txt <- sprintf("%.2f",corr[i,j])
if(pmat[i,j]<0.05) txt <- paste0(txt,"*")
grid.text(txt,x,y,gp=gpar(fontsize=6.5))
})
5. GGally::ggpairs 散点-相关复合矩阵图
下三角原始散点，对角线分布直方图，上三角相关系数。
兼具分布+相关性，答辩报告效果极佳。
r
library(GGally)
ggpairs(mtcars[,1:5], # 变量不要选太多，选前5个演示
upper = list(continuous = wrap("cor", size=3.5)),
lower = list(continuous = wrap("points", size=1.2)),
diag = list(continuous = wrap("densityDiag")))+
theme_bw()⚠️ 变量不能多，建议5‑8个变量，多了图爆炸。适合小维度变量探索。
6. 气泡相关性图（ggplot2实现，气泡大小映射相关系数）
色块换成气泡，颜色正负，气泡大小代表|r|，很多社科、教育数据挖掘论文使用。
r
cor_df <- corr %>%
as.data.frame() %>%
rownames_to_column("V1") %>%
pivot_longer(-V1, names_to="V2", values_to="r")
ggplot(cor_df, aes(x=V1,y=V2))+
geom_point(aes(size=abs(r), fill=r), shape=21)+
scale_fill_gradient2(low="#2166ac",mid="white",high="#b2182b",limits=c(-1,1))+
scale_size(range = c(1,10))+
theme_bw()+
theme(axis.text.x = element_text(angle=45,hjust=1))+
labs(fill="Correlation r",size="|r|")