基于@GaBorgulya 的回复，我建议尝试波动或水平图（又名热图显示）。

例如，使用ggplot2：

library(ggplot2, quietly=TRUE)
k <- 100
rvals <- sample(seq(-1,1,by=.001), k, replace=TRUE)
rvals[sample(1:k, 10)] <- NA
cc <- matrix(rvals, nr=10)
ggfluctuation(as.table(cc)) + opts(legend.position="none") + 
  labs(x="", y="")

（这里，缺少的条目以纯灰色显示，但可以更改默认配色方案，您也可以在图例中输入“NA”。）

或者

ggfluctuation(as.table(cc), type="color") + labs(x="", y="") +
  scale_fill_gradient(low = "red",  high = "blue")

（这里，缺失值根本不显示。但是，您可以添加一个geom_text()并在空单元格中显示类似“NA”的内容。）

您的数据可能像

  name1 name2 correlation
1    V1    V2         0.2
2    V2    V3         0.4

您可以使用以下 R 代码将长桌重新排列成宽桌

d = structure(list(name1 = c("V1", "V2"), name2 = c("V2", "V3"), 
    correlation = c(0.2, 0.4)), .Names = c("name1", "name2", 
    "correlation"), row.names = 1:2, class = "data.frame")
k = d[, c(2, 1, 3)]
names(k) = names(d)
e = rbind(d, k)
x = with(e, reshape(e[order(name2),], v.names="correlation", 
  idvar="name1", timevar="name2", direction="wide"))
x[order(x$name1),]

你得到

  name1 correlation.V1 correlation.V2 correlation.V3
1    V1             NA            0.2             NA
3    V2            0.2             NA            0.4
4    V3             NA            0.4             NA

现在您可以使用技术来可视化相关矩阵（至少可以处理缺失值的矩阵）。

该corrplot包是可视化相关矩阵的有用功能。它接受一个相关矩阵作为输入对象，并有几个用于显示矩阵本身的选项。一个不错的功能是它可以使用层次聚类或 PCA 方法对变量重新排序。

有关示例可视化，请参阅此线程中接受的答案。