ggplot2中的topoplot - 例如2D的可视化脑电数据

Question

可以ggplot2用于制作所谓的 topoplot （通常用于神经科学）吗？

示例数据：

   label          x          y     signal
1     R3 0.64924459 0.91228430  2.0261520
2     R4 0.78789621 0.78234410  1.7880972
3     R5 0.93169511 0.72980685  0.9170998
4     R6 0.48406513 0.82383895  3.1933129

Full sample data.

行代表单个电极。列x和y表示投影到2D空间，列signal基本上是z轴，表示在给定电极处测量的电压。

stat_contour无法正常工作，显然是因为网格不平等。

geom_density_2d仅提供x和y的密度估算。

geom_raster是不适合此任务的，或者我必须错误地使用它，因为它很快耗尽内存。

平滑（如右图所示）和头部轮廓（鼻子，耳朵）是不必要的。

我想避免使用Matlab并转换数据，以便它适合这个或那个工具箱......非常感谢！

更新（2016年1月26日）

最接近我的目标是通过

library(colorRamps)
ggplot(channels, aes(x, y, z = signal)) + stat_summary_2d() + scale_fill_gradientn(colours=matlab.like(20))

生成如下图像：

更新2（2016年1月27日）

我已经尝试了@ alexforrence的完整数据方法，结果就是这样：

这是一个很好的开始，但有几个问题：

1. 最后一次调用（ggplot()）在Intel i7 4790K上大约需要40秒，而Matlab工具箱几乎可以立即生成这些内容。我上面的'紧急解决方案'需要大约一秒钟。
2. 正如您所看到的，中央部分的上下边界似乎是“切片” - 我不确定是什么导致这种情况，但这可能是第三个问题。

3. 我收到了这些警告：

   1: Removed 170235 rows containing non-finite values (stat_contour). 
   2: Removed 170235 rows containing non-finite values (stat_contour). 
   

更新3（2016年1月27日）

使用不同interp(xo, yo)和stat_contour(binwidth)值生成的两个绘图之间的比较：



如果选择低interp(xo, yo)，则会出现锯齿状边缘，在这种情况下为xo / yo = seq(0, 1, length = 100)：

Answer 1

这是一个潜在的开始：

首先，我们会附上一些包裹。我正在使用akima来进行线性插值，虽然看起来EEGLAB使用某种球形插值here?（数据有点稀疏以便尝试）。

library(ggplot2)
library(akima)
library(reshape2)

接下来，阅读数据：

dat <- read.table(text = "   label          x          y     signal
1     R3 0.64924459 0.91228430  2.0261520
2     R4 0.78789621 0.78234410  1.7880972
3     R5 0.93169511 0.72980685  0.9170998
4     R6 0.48406513 0.82383895  3.1933129")

我们将插入数据，并将其粘贴在数据框中。

datmat <- interp(dat$x, dat$y, dat$signal, 
                 xo = seq(0, 1, length = 1000),
                 yo = seq(0, 1, length = 1000))
datmat2 <- melt(datmat$z)
names(datmat2) <- c('x', 'y', 'value')
datmat2[,1:2] <- datmat2[,1:2]/1000 # scale it back

我将借用之前的一些答案。以下circleFun来自Draw a circle with ggplot2。

circleFun <- function(center = c(0,0),diameter = 1, npoints = 100){
  r = diameter / 2
  tt <- seq(0,2*pi,length.out = npoints)
  xx <- center[1] + r * cos(tt)
  yy <- center[2] + r * sin(tt)
  return(data.frame(x = xx, y = yy))
}

circledat <- circleFun(c(.5, .5), 1, npoints = 100) # center on [.5, .5]

# ignore anything outside the circle
datmat2$incircle <- (datmat2$x - .5)^2 + (datmat2$y - .5)^2 < .5^2 # mark
datmat2 <- datmat2[datmat2$incircle,]

我真的很喜欢R plot filled.contour() output in ggpplot2中轮廓图的外观，所以我们会借用那个。

ggplot(datmat2, aes(x, y, z = value)) +
  geom_tile(aes(fill = value)) +
  stat_contour(aes(fill = ..level..), geom = 'polygon', binwidth = 0.01) +
  geom_contour(colour = 'white', alpha = 0.5) +
  scale_fill_distiller(palette = "Spectral", na.value = NA) + 
  geom_path(data = circledat, aes(x, y, z = NULL)) +
  # draw the nose (haven't drawn ears yet)
  geom_line(data = data.frame(x = c(0.45, 0.5, .55), y = c(1, 1.05, 1)), 
            aes(x, y, z = NULL)) +
  # add points for the electrodes
  geom_point(data = dat, aes(x, y, z = NULL, fill = NULL), 
             shape = 21, colour = 'black', fill = 'white', size = 2) +
  theme_bw()

通过评论中提到的改进（在extrap = TRUE调用中设置linear = FALSE和interp以填充空白并分别进行样条曲线平滑，并在绘图前删除NAs），我们得到：

mgcv可以做球形样条线。这将替换akima（不需要包含interp（）的块。）

library(mgcv)
spl1 <- gam(signal ~ s(x, y, bs = 'sos'), data = dat)
# fine grid, coarser is faster
datmat2 <- data.frame(expand.grid(x = seq(0, 1, 0.001), y = seq(0, 1, 0.001)))
resp <- predict(spl1, datmat2, type = "response")
datmat2$value <- resp