我试图绘制两个变量,其中N = 700K。问题是重叠太多,因此情节大部分都是黑色的固体块。是否有任何方法可以使用灰度“云”,其中图的黑暗是区域中点数的函数?换句话说,我不想显示单个点,而是希望绘图成为“云”,区域中的点数越多,该区域越暗。
答案 0 :(得分:139)
处理此问题的一种方法是使用Alpha混合,这使得每个点都略微透明。所以区域看起来更暗,在它们上面绘制了更多的点。
在ggplot2
中很容易做到:
df <- data.frame(x = rnorm(5000),y=rnorm(5000))
ggplot(df,aes(x=x,y=y)) + geom_point(alpha = 0.3)
处理这个问题的另一个方便方法是(并且可能更适合你的点数)是六边形分组:
ggplot(df,aes(x=x,y=y)) + stat_binhex()
还有常规的旧矩形装箱(省略图像),这更像是传统的热图:
ggplot(df,aes(x=x,y=y)) + geom_bin2d()
答案 1 :(得分:56)
您还可以查看ggsubplot
包。该软件包实现了Hadley Wickham在2011年提出的功能(http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html)。
(在下文中,为了说明目的,我包括“点” - 层。)
library(ggplot2)
library(ggsubplot)
# Make up some data
set.seed(955)
dat <- data.frame(cond = rep(c("A", "B"), each=5000),
xvar = c(rep(1:20,250) + rnorm(5000,sd=5),rep(16:35,250) + rnorm(5000,sd=5)),
yvar = c(rep(1:20,250) + rnorm(5000,sd=5),rep(16:35,250) + rnorm(5000,sd=5)))
# Scatterplot with subplots (simple)
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1) +
geom_subplot2d(aes(xvar, yvar,
subplot = geom_bar(aes(rep("dummy", length(xvar)), ..count..))), bins = c(15,15), ref = NULL, width = rel(0.8), ply.aes = FALSE)
但是,如果您有第三个要控制的变量,则会出现问题。
# Scatterplot with subplots (including a third variable)
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1, aes(color = factor(cond))) +
geom_subplot2d(aes(xvar, yvar,
subplot = geom_bar(aes(cond, ..count.., fill = cond))),
bins = c(15,15), ref = NULL, width = rel(0.8), ply.aes = FALSE)
或者另一种方法是使用smoothScatter()
:
smoothScatter(dat[2:3])
答案 2 :(得分:50)
使用基本图形也很容易进行Alpha混合。
df <- data.frame(x = rnorm(5000),y=rnorm(5000))
with(df, plot(x, y, col="#00000033"))
#
之后的前六个数字是RGB十六进制中的颜色,后两个是不透明度,同样是十六进制,所以33~3 / 16不透明。
答案 3 :(得分:44)
您还可以使用密度等高线(ggplot2
):
df <- data.frame(x = rnorm(15000),y=rnorm(15000))
ggplot(df,aes(x=x,y=y)) + geom_point() + geom_density2d()
或者将密度轮廓与alpha混合结合使用:
ggplot(df,aes(x=x,y=y)) +
geom_point(colour="blue", alpha=0.2) +
geom_density2d(colour="black")
答案 4 :(得分:39)
Error: x is not defined for id = "1"
中几个不错选项的概述:
ggplot2
library(ggplot2)
x <- rnorm(n = 10000)
y <- rnorm(n = 10000, sd=2) + x
df <- data.frame(x, y)
o1 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.05)
o2 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.05) +
geom_density_2d()
o3 <- ggplot(df, aes(x, y)) +
stat_density_2d(aes(fill = ..level..), geom = 'polygon') +
scale_fill_viridis_c(name = "density") +
geom_point(shape = '.')
o4 <- ggplot(df, aes(x, y)) +
stat_density_2d(aes(fill = ..density..), geom = 'raster', contour = FALSE) +
scale_fill_viridis_c() +
coord_cartesian(expand = FALSE) +
geom_point(shape = '.', col = 'white')
o5 <- ggplot(df, aes(x, y)) +
geom_hex() +
scale_fill_viridis_c() +
geom_point(shape = '.', col = 'white')
结合在一个图中:
o6 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.1) +
geom_rug(alpha = 0.01)
答案 5 :(得分:28)
您可能会发现hexbin
包有用。来自hexbinplot
的帮助页面:
library(hexbin)
mixdata <- data.frame(x = c(rnorm(5000),rnorm(5000,4,1.5)),
y = c(rnorm(5000),rnorm(5000,2,3)),
a = gl(2, 5000))
hexbinplot(y ~ x | a, mixdata)
答案 6 :(得分:1)
ggpointdensity
package中的 geom_pointdenisty
(最近由Lukas Kremer和Simon Anders(2019)开发)允许您同时可视化密度和单个数据点:
library(ggplot2)
# install.packages("ggpointdensity")
library(ggpointdensity)
df <- data.frame(x = rnorm(5000), y = rnorm(5000))
ggplot(df, aes(x=x, y=y)) + geom_pointdensity() + scale_color_viridis_c()
答案 7 :(得分:0)
我最喜欢的用于绘制此类数据的方法是this question中描述的方法-一种散布密度图。想法是做一个散点图,但要通过点的密度(大致来说,该区域的重叠量)来给点着色。
同时:
这是链接问题的最高答案的结果: