使用 ggplot2 的 stat_density_2d 仅显示高密度区域答案

【问题标题】：Show only high density areas with ggplot2's stat_density_2d使用 ggplot2 的 stat_density_2d 仅显示高密度区域
【发布时间】：2018-01-16 14:00:15
【问题描述】：

我想将 stat_density2D 函数与分类变量一起使用，但将我的绘图限制在高密度区域，以减少重叠并提高易读性。

我们以以下数据为例：

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()

通过二维密度图，我们获得重叠密度

ggplot(plot_data, aes(X, Y)) + 
  stat_density_2d(geom = "polygon", aes(alpha = ..level.., fill = Label))

是否可以仅绘制高密度区域（例如level>0.03）？我找到的唯一解决方案是“作弊”并手动修改 ..levels.. 变量，可以使用阶跃函数或任何幂变换，就像这个简单的示例一样。

ggplot(plot_data, aes(X, Y)) + 
  stat_density_2d(geom = "polygon", aes(alpha = (..level..) ^ 2, fill = Label)) + 
  scale_alpha_continuous(range = c(0, 1))

除了修改..levels.. 变量之外，是否可以要求 ggplot2/stat_density2D 函数仅关注特定范围的密度级别？我尝试使用scale_alpha_continuous 函数的range 或limits 参数，但没有任何相关结果...

谢谢！

【问题讨论】：

您可以在scale_alpha_continuous中使用limits，并设置上下限。外面的一切都将被忽略（默认情况下）。
请确保查看者能够理解绘制的区域不包含该组的所有数据。
感谢您的回答，但我不确定这是否足够。我同意这是合乎逻辑的，但据我尝试它不起作用，请参阅ggplot(plot_data, aes(X,Y))+stat_density_2d(geom="polygon", aes(alpha=..level.., fill=Label)) + scale_alpha_continuous(limits=c(0.1,0.04))。顺便说一句你是对的，这种修改必须明确说明和解释

标签： r ggplot2

【解决方案1】：

选项 1
通过向stat_density_2d 添加参数bins，您绝对可以避免过度绘制、控制并以非常经济的方式将注意力吸引到一些密度区域。

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
为我们不想绘制的那些级别手动分配颜色，NA。主要缺点是，我们应该事先知道（或计算它们）所需的级别和颜色的数量。在我的set.seed(123)示例中，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"))

【讨论】：

【解决方案2】：

您必须手动生成 2d 内核密度，然后绘制结果。这样，您可以选择每个点上的值，例如避免重叠。代码如下：

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")

由于圆形误差，等高线图似乎有一些重叠。我们可以试试光栅图：

#Raster plot
ggplot(newplot_data, aes(x,y, fill=Label, alpha=Level))  + geom_raster()

【讨论】：