Yila

做一张能直接放进论文的相关性热图

上传变量表,Yila 选择合适的相关系数,按检验次数做校正,把变量排成能看出规律的顺序,同时交付完整的相关矩阵和代码。

请为画一张可直接投稿的相关性热图,用 相关:在格子里标出相关系数,标记经 Benjamini–Hochberg 校正后仍显著(P < 0.05)的变量对,并按层次聚类排列变量。图保存为 PNG 和 SVG,同时保存相关系数表、校正后 P 值表和代码。

将在 Yila 工作台中打开,之后可以在对话里随时调整。

一张完成的相关性热图

这是在公开临床数据集上跑的一次官方示例。下面是它保存的图,下载包里另有两张矩阵表和 Python 代码。

299 名心衰患者的七项临床指标 — 1
1 / 1

你会得到

热图
以零为中心的双向色阶,每格标出相关系数,显著的变量对加以标记,变量按聚类顺序排列。
相关系数矩阵
所有相关系数整理成表,可以直接引用,也可以拿去画别的图。
校正后的 P 值
每个变量对的原始 P 值和校正后 P 值,按相关强度排序,并注明校正方法。
分析代码
完整的 Python 代码(需要的话也可以是 R),换了新数据也能一键重画。

怎么做

上传表格,选好变量

给 Yila 一个 CSV 或 Excel 文件,说明要纳入哪些变量;不指定的话,它会纳入所有连续变量。

Yila 先检查变量

它先看每个变量的分布和缺失情况:偏态或等级变量用秩相关,二分类变量不会被误混进来。

拿到图、表和代码

热图渲染出来,检查文字是否清楚后,与两张表和代码一起保存。想只显示下三角、换配色或换校正方法,在同一个对话里说就行。

适合这些场景

初探一个新数据集

在规划模型之前,一眼看出哪些指标是一起变化的。

检查共线性

找出相关性太强、不宜放进同一个回归模型的自变量。

补充材料里的图

审稿人常常要求在主要结果之外附一张清楚的相关性总览。

常见问题

看清你数据里的关系

上传表格并说明变量,Yila 选方法、做校正,并把代码一起留给你。

上传数据开始