喜提“Major Revision”：被审稿人质疑堆工作量，亮出“这张图”回应……

pythonic生物人2025年11月15日约 3 分钟

本期主角-Matrix plot，用于展示数据中各变量两两之间关系，可以规避单一统计指标的偏差，可以在平面上快速优雅的探索高维数据。一句话，一张Matrix plot实现多张图的效果，探索了数据，避免了“堆图堆工作量”的嫌疑！

上图为一张典型的Matrix plot，如何读图了，由三部分构成：

上三角，使用散点图，展示两两变量之间的关系，不同颜色标记出了不同的性别
对角线，使用直方图，展示4个变量独自的分布，不同颜色标记出了不同的性别
下三角，使用kdeplot，展示两两变量之间的关系，不同颜色标记出了不同的性别

本次使用R实现Matrix plot。

静态矩阵图

使用ggplot2扩展实现Matrix plot，一行代码即可实现，

## 16.1_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  16.1 矩阵图（GGally方法）

ggpairs(iris_data, aes(color = species, fill = species))

上图包含25张图，如果不使用Matrix plot，一个一个展示，确实有“堆工作量”的嫌疑😭😭！

下面使用“1～14章节”的ggplot2基础知识，进一步定制符合自己审美的Matrix plot，

## 16.1_02
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  16.1 矩阵图（GGally方法）

ggpairs( # 🔸使用GGally中的ggpairs绘制矩阵图
  iris_data,
  aes(color = species, fill = species), # 全局映射颜色和填充至 species
  upper = list(
    continuous = wrap("smooth", # 🔸上三角回归线
      method = "lm", # 线性模型
      se = TRUE, # 无置信区间
      size = 1, # 回归线宽度
      alpha = 0.8
    ) # 透明度突出曲线
  ),
  diag = list(
    continuous = wrap("densityDiag", # 🔸对角线密度图
      alpha = 0.6, # 半透明填充
      size = 0.3
    ) # 线条粗细适中
  ),
  lower = list(
    continuous = wrap("points", # 🔸下三角散点图
      shape = 21, # 带填充的圆点
      size = 1, # 适度增大点的大小
      alpha = 0.7, # 透明度柔化重叠
      stroke = 0.3
    ) # 细轮廓线增强对比
  ),
)

交互矩阵图

上一节的矩阵图为静态展示，这里介绍一种交互式方法scatterPlotMatrix，通过简单的鼠标点击即可实现代码的功能。

## 16.2_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  16.2 交互矩阵图

library(ggplot2)
library(scatterPlotMatrix)
iris_data$species <- as.factor(iris_data$species)
scatterPlotMatrix(iris_data, controlWidgets = TRUE, width = 800, height = 700)