Scatterplot dengan poin terlalu banyak

Saya mencoba untuk memplot dua variabel di mana N = 700K. Masalahnya adalah ada terlalu banyak tumpang tindih, sehingga plot menjadi sebagian besar blok hitam. Apakah ada cara untuk memiliki "awan" abu-abu di mana kegelapan plot adalah fungsi dari jumlah titik di suatu wilayah? Dengan kata lain, alih-alih menunjukkan poin individu, saya ingin plot menjadi "awan", dengan semakin banyak poin di suatu wilayah, semakin gelap wilayah itu.

Salah satu cara untuk mengatasi ini adalah dengan alpha blending, yang membuat setiap titik sedikit transparan. Jadi daerah tampak lebih gelap yang memiliki lebih banyak titik diplot pada mereka.

Ini mudah dilakukan di ggplot2:

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

Cara lain yang mudah untuk menangani ini adalah (dan mungkin lebih tepat untuk jumlah poin yang Anda miliki) adalah binning heksagonal:

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

Dan ada juga binning persegi panjang biasa (gambar dihilangkan), yang lebih mirip peta panas tradisional Anda:

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

Anda juga dapat melihat ggsubplotpaketnya. Paket ini mengimplementasikan fitur-fitur yang disajikan oleh Hadley Wickham pada tahun 2011 ( http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html ).

(Berikut ini, saya memasukkan "poin" -pemain untuk tujuan ilustrasi.)

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)

Namun, fitur ini mengguncang jika Anda memiliki variabel ketiga untuk dikontrol.

# 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)  

Atau pendekatan lain adalah menggunakan smoothScatter():

smoothScatter(dat[2:3])

Ikhtisar beberapa opsi bagus di ggplot2:

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

Opsi A: titik transparan

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

Opsi B: tambahkan kontur kerapatan

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

Opsi C: tambahkan kontur kerapatan yang terisi

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

Opsi D: peta panas kerapatan

o4 <- ggplot(df, aes(x, y)) +
  stat_density_2d(aes(fill = stat(density)), geom = 'raster', contour = FALSE) +       
  scale_fill_viridis_c() +
  coord_cartesian(expand = FALSE) +
  geom_point(shape = '.', col = 'white')

Opsi E: hexbins

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

Opsi F: permadani

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

Gabungkan dalam satu gambar:

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

Alpha blending juga mudah dilakukan dengan grafis dasar.

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

Enam angka pertama setelah #adalah warna dalam RGB hex dan dua terakhir adalah opacity, lagi-lagi dalam hex, jadi 33 ~ 3/16 buram.

Anda juga dapat menggunakan garis kontur kerapatan ( ggplot2):

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

Atau kombinasikan kontur kerapatan dengan alpha blending:

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

Anda mungkin menemukan hexbinpaket yang bermanfaat. Dari halaman bantuan 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)

geom_pointdenistyfrom the ggpointdensitypackage (baru-baru ini dikembangkan oleh Lukas Kremer dan Simon Anders (2019)) memungkinkan Anda memvisualisasikan kerapatan dan titik data individual pada saat yang sama:

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()

Metode favorit saya untuk memplot tipe data ini adalah yang dijelaskan dalam pertanyaan ini - plot sebaran-kerapatan . Idenya adalah untuk melakukan sebar-plot tetapi untuk mewarnai titik dengan kepadatan mereka (secara kasar, jumlah tumpang tindih di daerah itu).

Secara bersamaan:

• jelas menunjukkan lokasi outlier, dan
• mengungkapkan setiap struktur di area padat plot.

Ini adalah hasil dari jawaban teratas untuk pertanyaan terkait: