ggplot2受异常值影响的色标

Question

我在使用一些异常值时遇到困难，使得色标无用。

我的数据有一个基于范围的Length变量，但通常会有一些更大的值。以下示例数据具有介于500和1500之间的95个值，以及超过50,000的5个值。当我想看到500到1500之间的颜色变化时，由此产生的颜色图例倾向于使用10k，20k，... 70k的颜色变化。真的，1300左右的任何东西应该是相同的纯色（可能是中位+/-疯狂），但我不知道在哪里定义。

我对任何ggplot解决方案持开放态度，但理想情况下，较低的值将是红色，中间白色和较高的蓝色（低是坏的）。在我自己的数据集中，date是ggplot aes（）中as.POSIXct（）的实际日期，但似乎不会影响该示例。

#example data
date <- sample(x=1:10,size=100,replace=T)
stateabbr <- sample(x=1:50,size=100,replace=T)
Length <- c(sample(x=500:1500,size=95,replace=T),60000,55000,70000,50000,65000)
x <- data.frame(date=date,stateabbr=stateabbr,Length=Length)

#main plot
(g <- ggplot(data=x,aes(x=date,y=factor(stateabbr))) +
  geom_point(aes(color=as.numeric(as.character(Length))),alpha=3/4,size=4) + 
  #scale_x_datetime(labels=date_format("%m/%d")) + 
  opts(title="Date and State") + xlab("Date") + ylab("State"))

#problem
g + scale_color_gradient2("Length",midpoint=median(x$Length))

添加trans =“log”或“sqrt”也不是很有效。

感谢您的帮助！

Answer 1

这是一个稍微棘手的选择：

#Create a new variable indicating the unusual values
x$Length1 <- "> 1500"
x$Length1[x$Length <= 1500] <- NA

#main plot
# Using fill - tricky!
g <- ggplot() +
  geom_point(data = subset(x,Length <= 1500),
             aes(x=date,y=factor(stateabbr),color=Length),size=4) + 
  geom_point(data = subset(x,Length > 1500),
             aes(x=date,y=factor(stateabbr),fill=Length1),size=4)+
  opts(title="Date and State") + xlab("Date") + ylab("State")

#problem
g + scale_color_gradient2("Length",midpoint=median(x$Length))

所以这里棘手的部分是在点上使用fill，以说服ggplot创建另一个传奇。显然，您可以使用填充比例的不同标签和颜色对其进行自定义。

还有一件事，请阅读布兰登的回答。您原则上可以通过获取外围值来结合使用两种方法，使用cut为它们创建单独的分类变量，然后使用我的技巧和fill比例。这样你可以指出多个外围点组。

Answer 2

根据我的评论，请参阅？cut

x$colors <- cut(x$Length, breaks=c(0,500,1000,1300,max(x$Length)))

g <- ggplot(data=x,aes(x=date,y=factor(stateabbr),color=colors)) +
    geom_point() + 
    opts(title="Date and State") + 
    xlab("Date") + 
    ylab("State")

Answer 3

摆脱异常值。我知道，快速而肮脏，但我认为值得一提。您始终可以在文本中对其进行描述。为什么让他们破坏你的分析和图表？

本博客文章中引用的一篇论文涉及从道德上消除异常值：

http://psuc2f.wordpress.com/2011/10/14/is-it-dishonest-or-unethical-to-remove-outliers/

处理它们的另一个简单方法是限制它们：

DF $值[$ DF值及GT; 1300] = 1300

同样，您可以描述您在文本中执行此操作，甚至只是将比例编辑为1300+而不是1300