R绘制“绘图热图”

Question

我有一个x行（即绘制数）和y列（观察数）的矩阵。它们代表y预测的分布。

现在我想制作抽奖的“热图”。也就是说，我想绘制一个'置信区间'（不是一个真正的置信区间，而只是所有带阴影的值），而是作为'热图'（heat map的一个例子）。这意味着，如果例如观察y = y *的大量抽取大约为1但是同一观察也有5的抽取，则那么1周围的置信区间的区域更暗（但整体是1到5之间仍有阴影。）

完全清楚：我喜欢回答here中的情节，但我希望灰色的置信区间被改为强度（即某些区域更暗）。

有人可以告诉我如何实现这一目标吗？

提前致谢。

编辑：根据请求：示例数据。 第一列的前20个值的示例（即y [1：20,1]）：

[1]  0.032067416 -0.064797792  0.035022338  0.016347263  0.034373065 
0.024793101 -0.002514447  0.091411355 -0.064263536 -0.026808208 [11]  0.125831185 -0.039428744  0.017156454 -0.061574540 -0.074207109 -0.029171227  0.018906181  0.092816957  0.028899699 -0.004535961

Answer 1

所以，这很难将你的数据转换成正确的形状，这就是为什么分享一些真正看起来像你的数据的东西，而不仅仅是一个列。

假设您的数据是一个包含10,000行和10列的矩阵。我只会使用统一的分布，所以最后会是一个无聊的情节

apply

接下来，我们将使用dat = as.data.frame(t(apply(mat, MARGIN = 2, FUN = quantile, probs = seq(.1, 0.9, 0.1)))) 计算每列的分位数，转置并将其设为数据框：

x

添加dat$x = 1:nrow(dat) 变量（因为我们转置，每个x值对应原始数据中的一列）

quantile

我们现在需要将它变成一个“长”形式，按中位数周围某个偏差组的最小值和最大值分组，当然摆脱library(dplyr) library(tidyr) dat_long = gather(dat, "quantile", value = "y", -x) %>% mutate(quantile = as.numeric(gsub("%", "", quantile)), group = abs(50 - quantile)) dat_ribbon = dat_long %>% filter(quantile < 50) %>% mutate(ymin = y) %>% select(x, ymin, group) %>% left_join( dat_long %>% filter(quantile > 50) %>% mutate(ymax = y) %>% select(x, ymax, group) ) dat_median = filter(dat_long, quantile == 50) 引入的讨厌的百分号：

probs

最后我们可以策划。我们将为每个“组”绘制一条透明色带，即间隔为10％-90％，间隔为20％-80％，间隔为40％-60％，然后是中间的一条线（50％） ）。使用透明度，中间会更暗，因为它上面有更多的丝带重叠。这不会从最小值变为最大值，但如果您将quantile调用中的library(ggplot2) ggplot(dat_ribbon, aes(x = x)) + geom_ribbon(aes(ymin = ymin, ymax = ymax, group = group), alpha = 0.2) + geom_line(aes(y = y), data = dat_median, color = "white") 设置为0到1而不是.1到.9。

layoutAttributesForELementsInRect

值得注意的是，不是传统的热图。热图通常意味着您有3个变量，x，y和z（颜色），其中每个x-y对都有一个z值。这里有两个变量，x和y，y取决于x。

Answer 2

这不是很多，但我可能会从hexbin或hexbinplot包开始。这篇SO帖子中提出了几种备选方案。

Formatting and manipulating a plot from the R package "hexbin"