相似性分析可以使用如下这个高集成函数，作图高大上
用法仅需两行：
library(PerformanceAnalytics)
chart.Correlation(all[,2:10], histogram=TRUE, pch=19,method="spearman")
数据格式：
结果输出：
这个软件包人气比较旺，在各大可视化教程均可以看见它的身影，但是图例左上角的* 解释就不那么一致了。
教程一（错误的解释）：
在这里简单介绍一下这个图怎么去看：
里面的点，代表每一个样本，*代表显著性，***代表p小于0.01，图中的数值则为相关性
教程二（错误的解释）：
提取了实际的 pvalue，核对后改说法均不正确：
R包源码：
#borrowed from printCoefmat
Signif<-symnum(test$p.value,corr=FALSE,na=FALSE,
cutpoints=c(0,0.001,0.01,0.05,0.1,1),
symbols=c("***","**","*",".",""))
根据源码：
.是pvalue 小于0.1大于0.05
1星是pvalue 小于0.05大于0.01
2星是pvalue 小于0.01大于0.001
3星是pvalue 小于0.001
网友评论