在R中绘制概率密度热图随时间的变化

Question

假设我有几个不同迭代的一个变量的monte-carlo模拟输出（想想数百万）。对于每次迭代，我在每个时间点都有变量的值（范围从t = 1到t = 365）。

我想制作以下图： 对于x轴上的每个时间点t，对于给定范围内的每个可能值“y”，将x，y的颜色设置为“k”，其中“k”是a中观察数量的计数。距离“d”到x，y的距离。

我知道您可以轻松地为1D数据制作密度热图，但是在2维上有这么好的包吗？我必须使用克里金吗？

编辑：数据结构目前是一个矩阵。

                                     data matrix

                                      day number
             [,1]    [,2]         [,3]      [,4]       [,5]      ... [,365]
iteration    [1,]    0.000213   0.001218    0.000151   0.000108  ... 0.000101
             [2,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [3,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [4,]    0.000171   0.000155    0.000141   0.000219  ... 0.000201
              .
              .
              .
     [100000000,]    0.000141   0.000148    0.000144   0.000226  ... 0.000188

我想，对于每个“日”，在“日”中垂直运行像素，以表示当天颜色的迭代值的概率密度。结果应该看起来像热图。

Answer 1

这是我认为你所追求的解决方案之一。

1. 生成数据。

   myData <- mapply(rnorm, 1000, 200, mean=seq(-50,50,0.5))

这是一个包含1000行（观察值）和201个时间点的矩阵。在每个时间点，数据的平均值从-50逐渐变为50.每次0.5。

1. 获得密度。

   myDensities <- apply(myData, 2, density, from=-500, to=500)

这将为您提供每列的密度列表。为了使它们能够并排绘图，我们手动指定了范围（从-500到500）。

1. 从列表中获取密度值。

   Ys <- sapply(myDensities, "[", "y")

这又是一个清单。你需要从中得到一个矩阵。

1. 从列表中获取矩阵。

   img <- do.call(cbind, Ys)

这只是按列合并所有Ys元素。

1. 剧情。

   filled.contour(x=1:ncol(img), y=myDensities[[1]]$x, t(img))

我使用的是fill.contour。但是你可以四处寻找其他2-D绘图功能。我还使用了从密度D[[1]]$x获得的值。

结果如下：



从-50到50的转变是可见的。

不确定这是否适用于数百万个时间点。但绘制百万可能没什么意义，因为在任何情况下你都会受到像素数量的限制。可能需要进行某种预处理。