chart.Correlation independent vs dependent variables visualization

Question

在R中，我有一個數據集有一個獨立變量和9個因變量，我想看到散點圖，直方圖加相關值，如chart.Correlation()，但我不想要看到因變量之間的相關性......因爲它是不必要的。

即在下面的模擬示例中，我只關心/希望看到最上一行，最左邊的列，所有的直方圖，所有的紅線和重要明星等，但我不在乎/不要求其他所有其他散點圖和相關值。這是否可能/是否有一種在一個可視化中看到所有這些的簡潔方式......即，獨立變量vs所有因變量...？

模擬例如：

d <- xts(matrix(rnorm(10000),ncol=10), Sys.Date()-1000:1) 
library(PerformanceAnalytics) 
chart.Correlation(d) 

在一個側面說明...我得到的是一些從chart.Correlation產生的相關值的字體大小有點懊惱......任何方式設定最低和最大的字體大小，使字體大小不會變得不可讀...

也請隨意使用任何其他軟件包（如ggplot2等），你認爲可能是有用的，以幫助找到問題的解決方案。

在此先感謝

編輯：

原來這就是我想出迄今使用ggplot和plyr ......我仍然失蹤的自變量的直方圖...哦和multiplot來自這裏：http://wiki.stdout.org/rcookbook/Graphs/Multiple%20graphs%20on%20one%20page%20(ggplot2)/

，現在已經包括它的答案...但任何其他建議/改進將受到歡迎....

require(plyr) 
require(ggplot2) 

indep.dep.cor <- function(xts.obj, title=""){ 

     # First column always assumed to be independent 
     df <- data.frame(coredata(xts.obj)) 
     assign('df',df,envir=.GlobalEnv) 

     df.l <- melt(df, id.vars=colnames(df)[1], measure.vars=colnames(df)[2:ncol(df)]) 
     assign('df.l',df.l, envir=.GlobalEnv) 

     cor.vals <- ddply(df.l, c("variable"), summarise, round(cor(df[,1],value),3)) 
     stars <- ddply(df.l, c("variable"), summarise, symnum(cor.test(df[,1],value)$p.value, corr = FALSE, na = FALSE, cutpoints = c(0, 0.001, 0.01, 0.05, 0.1, 1), symbols = c("***", "**", "*", ".", " "))) 
     cor.vals$stars <- stars[,2] 
     assign('cor.vals',cor.vals,envir=.GlobalEnv) 

     bin.w <- min((ddply(df.l,c("variable"),summarise,diff(range(value))/30))[,2]) 

     m1 <- ggplot(df.l,aes_string(x="value"))+ 
      facet_grid(.~variable)+ 
      stat_density(aes(y=..density..),fill=NA, colour="red", size=1.2)+ 
      geom_histogram(aes(y=..density..),fill="white", colour="black", binwidth=bin.w)+ 
      opts(title=title) 

     m2 <- ggplot(df.l,aes_string(x=colnames(df.l)[1], y="value"))+ 
      facet_grid(.~variable)+geom_point(aes(alpha=0.2))+ 
      opts(legend.position="none")+ 
      geom_text(data=cor.vals,aes(label=paste(cor.vals[,2],cor.vals[,3]),size=abs(cor.vals[,2])*2,colour=cor.vals[,2]),x=Inf,y=Inf,vjust=1,hjust=1,show_guide=FALSE)+ 
       scale_colour_gradient(low = "red", high="blue")+ 
       geom_smooth(method="loess") 

     multiplot(m1,m2,cols=1) 
} 

indep.dep.cor(d) 

Answer 1

原來這就是我想出迄今使用ggplot和plyr ......我仍然失蹤的自變量的直方圖...哦和multiplot來自這裏：http://wiki.stdout.org/rcookbook/Graphs/Multiple%20graphs%20on%20one%20page%20(ggplot2)/

require(plyr) 
require(ggplot2) 

indep.dep.cor <- function(xts.obj, title=""){ 

     # First column always assumed to be independent 
     df <- data.frame(coredata(xts.obj)) 
     assign('df',df,envir=.GlobalEnv) 

     df.l <- melt(df, id.vars=colnames(df)[1], measure.vars=colnames(df)[2:ncol(df)]) 
     assign('df.l',df.l, envir=.GlobalEnv) 

     cor.vals <- ddply(df.l, c("variable"), summarise, round(cor(df[,1],value),3)) 
     stars <- ddply(df.l, c("variable"), summarise, symnum(cor.test(df[,1],value)$p.value, corr = FALSE, na = FALSE, cutpoints = c(0, 0.001, 0.01, 0.05, 0.1, 1), symbols = c("***", "**", "*", ".", " "))) 
     cor.vals$stars <- stars[,2] 
     assign('cor.vals',cor.vals,envir=.GlobalEnv) 

     bin.w <- min((ddply(df.l,c("variable"),summarise,diff(range(value))/30))[,2]) 

     m1 <- ggplot(df.l,aes_string(x="value"))+ 
      facet_grid(.~variable)+ 
      stat_density(aes(y=..density..),fill=NA, colour="red", size=1.2)+ 
      geom_histogram(aes(y=..density..),fill="white", colour="black", binwidth=bin.w)+ 
      opts(title=title) 

     m2 <- ggplot(df.l,aes_string(x=colnames(df.l)[1], y="value"))+ 
      facet_grid(.~variable)+geom_point(aes(alpha=0.2))+ 
      opts(legend.position="none")+ 
      geom_text(data=cor.vals,aes(label=paste(cor.vals[,2],cor.vals[,3]),size=abs(cor.vals[,2])*2,colour=cor.vals[,2]),x=Inf,y=Inf,vjust=1,hjust=1,show_guide=FALSE)+ 
       scale_colour_gradient(low = "red", high="blue")+ 
       geom_smooth(method="loess") 

     multiplot(m1,m2,cols=1) 
} 

indep.dep.cor(d)