Nuage de points avec trop de points
J'essaie de tracer deux variables où N = 700K. Le problème est qu'il y a trop de chevauchement, de sorte que l'intrigue devient principalement un bloc noir solide. Existe-t-il un moyen de créer un "nuage" en niveaux de gris dans lequel l'obscurité de l'intrigue est fonction du nombre de points dans une région? En d'autres termes, au lieu de montrer des points individuels, je veux que l'intrigue soit un "nuage", plus le nombre de points dans une région est important, plus cette région est sombre.
Une des solutions consiste à utiliser le fondu alpha, ce qui rend chaque point légèrement transparent. Ainsi, les régions apparaissent plus sombres et comportent plus de points.
C'est facile à faire dans ggplot2:
df <- data.frame(x = rnorm(5000),y=rnorm(5000))
ggplot(df,aes(x=x,y=y)) + geom_point(alpha = 0.3)
Un autre moyen pratique de gérer cela est (et probablement plus approprié pour le nombre de points que vous avez) est le binning hexagonal:
ggplot(df,aes(x=x,y=y)) + stat_binhex()
Et il y a aussi des vieux binning rectangulaires réguliers (image omise), qui ressemblent davantage à votre carte thermique traditionnelle:
ggplot(df,aes(x=x,y=y)) + geom_bin2d()
Vous pouvez également consulter le package ggsubplot. Ce package implémente les fonctionnalités présentées par Hadley Wickham en 2011 ( http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html ).
(Dans la suite, j'inclus la couche "points" à des fins d'illustration.)
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)
Cependant, cette fonctionnalité comporte des roches si vous avez une troisième variable à contrôler.
# 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)
Ou une autre approche consisterait à utiliser smoothScatter():
smoothScatter(dat[2:3])
Le mélange alpha est également facile à réaliser avec les graphiques de base.
df <- data.frame(x = rnorm(5000),y=rnorm(5000))
with(df, plot(x, y, col="#00000033"))
Les six premiers chiffres après le # sont la couleur en hexadécimal RVB et les deux derniers sont l'opacité, à nouveau en hexadécimal, soit 33 ~ 3/16e opaque.
Vous pouvez également utiliser des courbes de niveau de densité (ggplot2):
df <- data.frame(x = rnorm(15000),y=rnorm(15000))
ggplot(df,aes(x=x,y=y)) + geom_point() + geom_density2d()
Ou combinez des contours de densité avec un mélange alpha:
ggplot(df,aes(x=x,y=y)) +
geom_point(colour="blue", alpha=0.2) +
geom_density2d(colour="black")
Un aperçu de plusieurs bonnes options dans ggplot2:
library(ggplot2)
x <- rnorm(n = 10000)
y <- rnorm(n = 10000, sd=2) + x
df <- data.frame(x, y)
Option A: points transparents
o1 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.05)
Option B: ajouter des contours de densité
o2 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.05) +
geom_density_2d()
Option C: ajouter des contours de densité remplis
o3 <- ggplot(df, aes(x, y)) +
stat_density_2d(aes(fill = ..level..), geom = 'polygon') +
scale_fill_viridis_c(name = "density") +
geom_point(shape = '.')
Option D: carte de densité
o4 <- ggplot(df, aes(x, y)) +
stat_density_2d(aes(fill = ..density..), geom = 'raster', contour = FALSE) +
scale_fill_viridis_c() +
coord_cartesian(expand = FALSE) +
geom_point(shape = '.', col = 'white')
Option E: hexbins
o5 <- ggplot(df, aes(x, y)) +
geom_hex() +
scale_fill_viridis_c() +
geom_point(shape = '.', col = 'white')
Option F: tapis
o6 <- ggplot(df, aes(x, y)) +
geom_point(alpha = 0.1) +
geom_rug(alpha = 0.01)
Combinez en une figure:
cowplot::plot_grid(o1, o2, o3, o4, o5, o6,
ncol = 2, labels = 'AUTO', align = 'v', axis = 'lr')
Vous pouvez trouver utile le paquetage hexbin. Depuis la page d’aide de 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)
Ma méthode préférée pour tracer ce type de données est celle décrite dans cette question - un diagramme de densité de dispersion. L'idée est de faire un nuage de points mais de colorer les points en fonction de leur densité (grosso modo, la quantité de chevauchement dans cette zone).
Il simultanément:
- indique clairement l'emplacement des valeurs aberrantes, et
- révèle toute structure dans la zone dense de la parcelle.
Voici le résultat de la réponse du haut à la question liée:
