今天小编给大家分享一下怎么用r语言的spm函数实现矩阵散点图的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
考察工作时间、工作经验、初始薪金、当前薪金四个变量间的关系。
首先我直接了当传送4个连续数据给函数spm，看看它的默认输出效果是否满意。
library(car)
spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图")
每两个变量绘制散点图并配线性和loess曲线，不管是线性关系还是非线性的关系，都能提供线索。比pairs函数好的一点是，对角线里输出了连续变量数据的概率密度曲线，帮助我们快速观察连续数据的分布状态。小兵喜欢看直方图胜过看密度曲线，控制一下对角线参数，修改为对角线展示直方图看看效果。
spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图",diagonal=list(method ="histogram", breaks="FD"))
直方图也很直观，这样一来此图的信息量就明显很丰富了，我们想观察的主要内容一览无遗。不过，这个蓝色似乎有些扎眼，那么我们可以继续修改颜色参数，黑色风格，让矩阵散点图的正态配色风格更朴素一些。
spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图",diagonal=list(method ="histogram", breaks="FD"),col = "black")
scatterplotMatrix函数或者spm函数，还有许多厉害的参数，比如控制分组，不同的组别显示不同的颜色，信息量更大。（小兵看法）喜欢酷炫的可以继续深挖，喜欢业务上讲究实用性的差不多到此可以结束了。
以上就是“怎么用r语言的spm函数实现矩阵散点图”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注天达云行业资讯频道。