使用ggplot2 2的stat_density_2d只显示高密度区域
我想使用stat_density2D函数的分类变量，但限制我的绘图高密度区域，以减少重叠和增加可读性。
让我们以下面的数据为例：
plot_data <-
data.frame(X = c(rnorm(300, 3, 2.5), rnorm(150, 7, 2)),
Y = c(rnorm(300, 6, 2.5), rnorm(150, 2, 2)),
Label = c(rep('A', 300), rep('B', 150)))
ggplot(plot_data, aes(X, Y, colour = Label)) + geom_point()
在二维密度图中，我们得到了重叠密度。
ggplot(plot_data, aes(X, Y)) +
stat_density_2d(geom = "polygon", aes(alpha = ..level.., fill = Label))
是否可能只绘制高密度区域(例如level>0.03)？我找到的唯一解决方案是“欺骗”并手动修改..levels..变量，无论是使用step函数还是任何电源转换，就像在这个简单的例子中一样。
ggplot(plot_data, aes(X, Y)) +
stat_density_2d(geom = "polygon", aes(alpha = (..level..) ^ 2, fill = Label)) +
scale_alpha_continuous(range = c(0, 1))
与修改..levels..变量不同，是否可以要求ggplot2 2/stat_Density2D函数只关注某个密度级别？我试过使用range或limits参数的scale_alpha_continuous函数，没有任何相关的结果.
谢谢!
回答 2
Stack Overflow用户
发布于 2018-01-17 22:15:20
选项1
通过在stat_density_2d中添加参数bins，您肯定会以非常经济的方式避免过度绘制、控制和提请注意一些密度区域。
set.seed(123)
plot_data <-
data.frame(
X = c(rnorm(300, 3, 2.5), rnorm(150, 7, 2)),
Y = c(rnorm(300, 6, 2.5), rnorm(150, 2, 2)),
Label = c(rep('A', 300), rep('B', 150))
)
ggplot(plot_data, aes(X, Y, group = Label)) +
stat_density_2d(geom = "polygon",
aes(alpha = ..level.., fill = Label),
bins = 4)
选项2
手动分配颜色，NA为那些水平，我们不想绘制。主要的缺点是，我们应该事先知道所需的等级和颜色的数量(或计算它们)。在我使用set.seed(123)的例子中，我们需要7。
ggplot(plot_data, aes(X, Y, group = Label)) +
stat_density_2d(geom = "polygon", aes(fill = as.factor(..level..))) +
scale_fill_manual(values = c(NA, NA, NA,"#BDD7E7", "#6BAED6", "#3182BD", "#08519C"))
Stack Overflow用户
发布于 2018-01-17 02:54:15
您必须手动生成2d内核密度，然后他们绘制结果。这样，您就可以选择每个点上的值，例如，避免重叠。以下是代码：
plot_data <-
data.frame(X = c(rnorm(300, 3, 2.5), rnorm(150, 7, 2)),
Y = c(rnorm(300, 6, 2.5), rnorm(150, 2, 2)),
Label = c(rep('A', 300), rep('B', 150)))
library(ggplot2)
library(MASS)
library(tidyr)
#Calculate the range
xlim <- range(plot_data$X)
ylim <-range(plot_data$Y)
#Genrate the kernel density for each group
newplot_data <- plot_data %>% group_by(Label) %>% do(Dens=kde2d(.$X, .$Y, n=100, lims=c(xlim,ylim)))
#Transform the density in data.frame
newplot_data %<>% do(Label=.$Label, V=expand.grid(.$Dens$x,.$Dens$y), Value=c(.$Dens$z)) %>% do(data.frame(Label=.$Label,x=.$V$Var1, y=.$V$Var2, Value=.$Value))
#Untidy data and chose the value for each point.
#In this case chose the value of the label with highest value
newplot_data %<>% spread( Label,value=Value) %>%
mutate(Level = if_else(A>B, A, B), Label = if_else(A>B,"A", "B"))等高线图：
# Contour plot
ggplot(newplot_data, aes(x,y, z=Level, fill=Label, alpha=..level..)) + stat_contour(geom="polygon")
由于圆周误差，等高线图似乎有一定的重叠。我们可以试试光栅情节：
#Raster plot
ggplot(newplot_data, aes(x,y, fill=Label, alpha=Level)) + geom_raster()
https://stackoverflow.com/questions/48282989
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号