Диаграмма рассеяния со слишком большим количеством точек

Я пытаюсь построить две переменные, где N=700K. проблема в том, что слишком много перекрытий, так что сюжет становится в основном сплошным блоком черного цвета. Есть ли способ иметь "облако" оттенков серого, где темнота графика является функцией количества точек в регионе? Другими словами, вместо того, чтобы показывать отдельные точки, я хочу, чтобы график был "облаком", причем чем больше количество точек в регионе, тем темнее этот регион.

6 106
javascript scatter-plot

6 ответов:

один из способов справиться с этим-это альфа-смешивание, которое делает каждую точку слегка прозрачной. Таким образом, области кажутся темнее, что на них нанесено больше точек.

это легко сделать в ggplot2:

df <- data.frame(x = rnorm(5000),y=rnorm(5000))
ggplot(df,aes(x=x,y=y)) + geom_point(alpha = 0.3)

enter image description here

еще один удобный способ справиться с этим (и, вероятно, более подходящий для количества очков, которые у вас есть) - это шестиугольное биннинг:

ggplot(df,aes(x=x,y=y)) + stat_binhex()

enter image description here

и есть также регулярные старые прямоугольные биннинг (изображение опущено), который больше похож на вашу традиционную тепловую карту:

ggplot(df,aes(x=x,y=y)) + geom_bin2d()
136

вы также можете посмотреть . Этот пакет реализует функции, которые были представлены Hadley Wickham еще в 2011 году (http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html).

(в следующем разделе я включаю слой"точки" для иллюстрации.)

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)

enter image description here

однако, это особенности пород, если у вас есть третья переменная для управления для.

# 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)

enter image description here

или другой подход будет использовать smoothScatter():

smoothScatter(dat[2:3])

enter image description here

55

Альфа-смешивание легко сделать с базовой графикой, а также.

df <- data.frame(x = rnorm(5000),y=rnorm(5000))
with(df, plot(x, y, col="#00000033"))

первые шесть чисел после # цвет в RGB hex, а последние два-непрозрачность, опять же в hex, поэтому 33 ~ 3/16 непрозрачны.

enter image description here

50

вы также можете использовать изолинии плотности (ggplot2):

df <- data.frame(x = rnorm(15000),y=rnorm(15000))
ggplot(df,aes(x=x,y=y)) + geom_point() + geom_density2d()

enter image description here

или объединить контуры плотности с Альфа-смешивание:

ggplot(df,aes(x=x,y=y)) + 
    geom_point(colour="blue", alpha=0.2) + 
    geom_density2d(colour="black")

enter image description here

44

вы можете найти полезным hexbin пакета. Со страницы справки hexbinplot:

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)

hexbinplot

28

обзор нескольких хороших вариантов в ggplot2:

library(ggplot2)
x <- rnorm(n = 10000)
y <- rnorm(n = 10000, sd=2) + x
df <- data.frame(x, y)

вариант A: прозрачные точки

o1 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.05)

вариант B: добавить контуры плотности

o2 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.05) +
  geom_density_2d()

опция C: добавить заполненные контуры плотности

o3 <- ggplot(df, aes(x, y)) +
  stat_density_2d(aes(fill = ..level..), geom = 'polygon') +
  scale_fill_viridis_c(name = "density") +
  geom_point(shape = '.')

вариант D: тепловая карта плотности

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')

вариант E: hexbins

o5 <- ggplot(df, aes(x, y)) +
  geom_hex() +
  scale_fill_viridis_c() +
  geom_point(shape = '.', col = 'white')

вариант F: ковры

o6 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.1) +
  geom_rug(alpha = 0.01)

объединить в один рисунок:

cowplot::plot_grid(o1, o2, o3, o4, o5, o6,
                   ncol = 2, labels = 'AUTO', align = 'v', axis = 'lr')

enter image description here

25