R可视乎|等高线图

简介

等高线图(contour map)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

f(x, y)

是在点

(x, y)

处的数值,等值线是在二维数据场中满足

f(x, y)=c

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)(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/

本文分享自微信公众号 - 庄闪闪的R语言手册(Zss_R4ds),作者:庄闪闪

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-11-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • R可视乎|饼图

    饼图(pie chart)被广泛地应用于各个领域,用于表示不同分类的占比情况,通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个切片,整个圆...

    庄闪闪
  • R可视乎|圆环图

    对于饼图,上一次学习《R语言数据可视化之美》的时候主要利用graphics包和ggplot包(可见R可视乎|饼图)。这几天的学习中发现还有一个更加简便的方法——...

    庄闪闪
  • R可视乎|瀑布图

    瀑布图(waterfall plot) 用于展示拥有相同的X轴变量数据(如相同的时间序列)、不同的Y轴离散型变量(如不同的类别变量)和Z轴数值变量,可以清晰地展...

    庄闪闪
  • R可视乎|气泡图

    气泡图是一种多变量图表,是散点图的变体,也可以认为是散点图和百分比区域图的组合[1]。气泡图最基本的用法是使用三个值来确定每个数据序列,和散点图一样。气泡图通过...

    庄闪闪
  • R可视乎|马赛克图

    马赛克图(mosaic plot),显示分类数据中一对变量之间的关系,原理类似双向的100%堆叠式条形图,但其中所有条形在数值/标尺轴上具有相等长度,并会被划分...

    庄闪闪
  • R可视乎|分面一页多图

    双变量数据可视化可能对于我们比较简单, 但是如果变量是三个或者更多,怎么在一幅图一起显示呢?今天我们就来讨论这个问题,解决方案有两种。

    庄闪闪
  • R可视乎|复合饼图系列

    散点复合饼图(compound scatter and pie chart)可以展示三个数据变量的信息:(x, y, P),其中x和y决定气泡在直角坐标系中的位...

    庄闪闪
  • R可视乎 | 散点图系列(1)

    散点图(scatter graph、point graph、X-Y plot、scatter chart )是科研绘图中最常见的图表类型之一,通常用于显示和比较...

    庄闪闪
  • R可视乎 | 散点图系列(2)

    散点图(scatter graph、point graph、X-Y plot、scatter chart )是科研绘图中最常见的图表类型之一,通常用于显示和比较...

    庄闪闪
  • R可视乎|克利夫兰点图系列

    在可靠性实验中,不同产品的测试失效时间可以通过克利夫兰点图进行可视化,今天就对该系列的图进行系统的介绍。主要参考张杰博士的《R语言数据可视化之美》[1],并结合...

    庄闪闪
  • R可视乎|决策树结果可视化

    决策树是一种非常有用的分类方法,它能够对新出现的对象给出正确的分类。比起文本描述的规则,我们更希望能使用图形来直观展示决策树的结果,这就是本文介绍的重点——决策...

    庄闪闪
  • 工具 | R语言数据可视化之数据分布图(直方图、密度曲线、箱线图、等高线、2D密度图)

    数据分布图简介 绘制基本直方图 基于分组的直方图 绘制密度曲线 绘制基本箱线图 往箱线图添加槽口和均值 绘制2D等高线 绘制2D密度图 数据分布图简介 中医上讲...

    CDA数据分析师
  • R可视乎|空间地理数据可视化(1)

    研究生讨论班第一次用 slides 作报告,主要讲了《Geospatial Health Data》[1]一书中关于空间地理数据可视化的内容。文末给出对应的 p...

    庄闪闪
  • R可视乎|主成分分析结果可视化

    主成分分析法是很常用的一种数据降维方法[1]。该方法可以减少数据的维数,并保持对方差贡献最大的特征,相当于保留低阶主成分,忽略高阶主成分。

    庄闪闪
  • R可视乎|2021年日历大派送

    一眨眼2020即将过去,2020年是杂乱的一年,感谢我们还活着。让我们放下这年,展望2021年吧。要不用R给2021年做个私人定制版日历吧?

    庄闪闪
  • R语言可视化——折线图、平滑曲线及路径图

    今天跟大家讲关于路径图、平滑曲线与折线图及其美化。 这里涉及到三个设计线条的特殊图层函数: geom_smooth()、geom_path()、geom_li...

    数据小磨坊
  • R可视乎|ggplot常用主题风格汇总

    借助theme()函数,可以自定义ggplot2图表的任何部分。幸运的是,可以使用大量的预构建主题,仅用一行代码即可获得良好的样式。

    庄闪闪
  • R语言可视化——ggplot图表中的线条

    今天跟大家分享的是ggplot图表中的一类重要元素——线条。 不要觉得专门为线条写一章推送有点小题大做,其实线条对于图表而言,功不可没,即便是不起眼的网格、轴线...

    数据小磨坊
  • R语言之可视化(27)ggplot2绘制线图

    本文主要表达如何使用ggplot2绘制线图。线图一般表达的目的是:某个因变量随着自变量改变而变化的趋势。因变量可以为数值型变量或者分类变量。可供选的函数有: g...

    用户1359560

扫码关注云+社区

领取腾讯云代金券