R包corrplot提供了一个关于相关矩阵的可视化探索工具，支持自动变量重新排序，以帮助检测变量之间的隐藏模式。
corrplot 非常易于使用，并在可视化方法、图形布局、颜色、图例、文本标签等方面提供了丰富的绘图选项。它还提供 p 值和置信区间，以帮助用户确定相关性的统计显着性。
corrplot()有大约 50 个参数，但最常见的参数只有几个。在大多数场景中，我们只需要一行代码就可以得到一个相关矩阵图。
最常用的参数有method, type, order, diag等。
methodcorrplot 包中有七种可视化方法（参数）， 分别是 circle, square, ellipse, number, shade, color, pie。默认颜色设置下，字形的颜色强度与相关系数成正比。
circle/square，圆形或正方形的面积表示相应相关系数的绝对值。ellipse，椭圆的偏心率参数化地缩放到相关值。number, 不同颜色的系数数字。color，大小相同的正方形，颜色不同。shade, 类似于color, 但负系数字形带有阴影。pie，圆圈顺时针填充正值，逆时针填充负值。
corrplot.mixed()是一个混合可视化风格的封装函数，可以分别设置下三角和上三角的可视化方式。
共有三种布局类型（参数type）full：upper和'lower。
相关矩阵可以根据相关矩阵系数重新排序。这对于识别矩阵中的隐藏结构和模式很重要。
library(corrplot)
#图1
M = cor(mtcars)
corrplot(M, method = 'number') # colorful number
#图2
corrplot(M, method = 'color', order = 'alphabet') 
#图3
corrplot(M) # by default, method = 'circle'
#图4
corrplot(M, order = 'AOE') # AOE重新排序以后
#图5
corrplot(M, method = 'shade', order = 'AOE', diag = FALSE)
#图6
corrplot(M, method = 'square', order = 'FPC', type = 'lower', diag = FALSE)
#图7
corrplot(M, method = 'ellipse', order = 'AOE', type = 'upper')
#图8
corrplot.mixed(M, order = 'AOE')
#图9
corrplot.mixed(M, lower = 'shade', upper = 'pie', order = 'hclust')
ggpolot2当然也可以绘制这些图，但是显然没有corrplot2简单，基本上只需要一行代码，就可以得到很精美的相关系数热力图。
大家可以试试。
以上来自corrplot的官方网站：https://cran.r-project.org/web/packages/corrplot/vignettes/corrplot-intro.html