R可视乎|等高线图

简介

等高线图（contour map） 是可视化二维空间标量场的基本方法[1]，可以将三维数据使用二维的方法可视化，同时用颜色视觉特征表示第三维数据，如地图上的等高线、天气预报中的等压线和等温线等。假设

是在点

处的数值，等值线是在二维数据场中满足

的空间点集按一定的顺序连接而成的线。数值为c的等值线可以将二维空间标量场分为两部分：如果 函数大于c，则该点在等值线内；反之，则该点在等值线外。

#所需的包
library(reshape2) #数据处理相关
library(ggplot2) # 绘图相关
library(grDevices) #绘图颜色相关
library(RColorBrewer)#绘图颜色相关
library(directlabels) #等高线相关

数据介绍

数据为z，breaks_lines为之后需要绘图的间隔准备。

z <- as.matrix(read.table("等高线.txt",header=TRUE))
colnames(z) <- seq(1,ncol(z),by=1) #列名设置
max_z <- max(z)
min_z <- min(z)
breaks_lines <- seq(min(z),max(z),by=(max_z-min_z)/10)
map <- melt(z) #这个函数来自reshape2（处理数据的包）介绍一下这个函数，以及相关函数
dim(map)
colnames(map)<-c("Var1","Var2","value")

reshape2包中的melt()函数可将数据从左图转换呈右图的数据形式（下面图片可滑动查看！）。

含义：转换前第一行在转换后第一列为1，对应位置在第二列，第三列是对应值。

<<< 左右滑动见更多 >>>

设置颜色调色盘，以后详细讲解。

rf <- colorRampPalette(rev(brewer.pal(11,'Spectral')))
colormap <- colorRampPalette(rev(brewer.pal(11,'Spectral')))(32)

热力分布图

使用ggplot2包中的geom_tile()或者geom_raster()绘制热 力分布图。其主要区别在于geom_raster()函数中存在interpolate=TRUE/FALSE这个参数，决定是否对热力图进行平滑处理。

这里使用geom_tile()进行演示，将三维数据(x,y,z)中(x,y)表示位置信息，z映射到颜色。这里的scale_fill_gradientn()将颜色填充呈n个梯度。

• 拓展：scale_*_gradient创建一个双色梯度(低-高)，scale_*_gradient2创建一个渐变的颜色梯度(低-中-高)，scale_*_gradientn创建一个n色梯度。

ggplot(map,aes(x=Var1,y=Var2,z=value))+
	geom_tile(aes(fill=value))+
	scale_fill_gradientn(colours=colormap)

添加等高线

使用geom_contour()在上图基础上添加等高线，同一轮廓上的数值相同。

ggplot(map,aes(x=Var1,y=Var2,z=value))+
	geom_tile(aes(fill=value))+#根据高度填充
	scale_fill_gradientn(colours=colormap)+
	geom_contour(breaks=breaks_lines,color="black")+#
	labs(x="X-Axis",y="Y-Axis",fill="Z-Value")

设置主题

对主题进行稍微的调整。改变x轴题目(axis.title,大小为15，字体形式为常规体face="plain"，颜色黑色)，x轴文字(axis.text),图例标题(legend.title)图例文字,(legend.text),(图例背景legend.background),图例位置(legend.position)

Contour <- ggplot(map,aes(x=Var1,y=Var2,z=value))+
	geom_tile(aes(fill=value))+#根据高度填充
	scale_fill_gradientn(colours=colormap)+
	geom_contour(breaks=breaks_lines,color="black")+#
	labs(x="X-Axis",y="Y-Axis",fill="Z-Value")+
	theme(
		axis.title = element_text(size=15,face="plain",color="black"),
		axis.text = element_text(size=13,face="plain",color="black"),
		legend.title = element_text(size=13,face="plain",color="black"),
		legend.text = element_text(size=11,face="plain",color="black"),
		legend.background = element_blank(),
		legend.position = c(0.15,0.2)
	)
Contour

拓展：face还可以设置其他字体形式：plain（常规体）、bold（粗体）、italic（斜体）、bold.italic（粗斜体）

添加等高线的具体数值

在上面的图基础上，利用directlabels包的direct.label()添加等高线的具体数值，从而不需要颜色映射的图例，同一轮廓上的数值相同。

作用：在二维屏幕上，等高线可以有效地表达相同数值的区域，揭示走势和陡峭程度及两者之间的关系，寻找坡、峰、谷等形状。

direct.label(Contour, list("bottom.pieces", cex=0.8,
             fontface="plain", fontfamily="serif", colour='black'))

以上对绘制等高线进行了详细介绍了，如果还需进一步了解，可参考一下网上免费开源资料：Using 2D Contour Plots within {ggplot2} to Visualize Relationships between Three Variables[2],A guide to contour maps[3],Contour Plots in R[4]。

本篇视为《R语言数据可视化之美》学习笔记，并进行函数详细介绍与解释，其他可视化图可参考在菜单命令中搜索得到。对应代码与相关数据，请在我的github中获取（文末原文）。喜欢请一键三连，创作不易，感恩不尽。

参考资料

[1]

R语言数据可视化之美: https://github.com/EasyChart/Beautiful-Visualization-with-R

[2]

Using 2D Contour Plots within {ggplot2} to Visualize Relationships between Three Variables: https://www.r-bloggers.com/2016/07/using-2d-contour-plots-within-ggplot2-to-visualize-relationships-between-three-variables/

[3]

A guide to contour maps: https://subscription.packtpub.com/book/big_data_and_business_intelligence/9781783989508/4/ch04lvl1sec49/a-guide-to-contour-maps

[4]

Contour Plots in R: https://plotly.com/r/contour-plots/