Streudiagramm mit zu vielen Punkten

Ich versuche zwei Variablen mit N = 700K zu zeichnen. Das Problem ist, dass es zu viele Überlappungen gibt, so dass die Darstellung meist zu einem festen schwarzen Block wird. Gibt es eine Möglichkeit, eine Graustufen- "Wolke" zu haben, bei der die Dunkelheit des Diagramms von der Anzahl der Punkte in einer Region abhängt? Mit anderen Worten, anstatt einzelne Punkte anzuzeigen, möchte ich, dass das Diagramm eine "Wolke" ist. Je mehr Punkte in einer Region vorhanden sind, desto dunkler ist diese Region.

Eine Möglichkeit, damit umzugehen, ist das Alpha-Blending, wodurch jeder Punkt leicht transparent wird. So erscheinen Regionen dunkler, auf denen mehr Punkte eingezeichnet sind.

Dies ist einfach zu tun in ggplot2:

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

Ein weiterer bequemer Weg, um damit umzugehen, ist (und wahrscheinlich besser geeignet für die Anzahl der Punkte, die Sie haben) das hexagonale Binning:

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

Und es gibt auch regelmäßige alte rechteckige Binning (Bild weggelassen), die eher Ihrer traditionellen Heatmap ähneln:

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

Sie können sich auch das ggsubplotPaket ansehen . Dieses Paket implementiert Funktionen, die Hadley Wickham bereits 2011 vorgestellt hat ( http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html ).

(Im Folgenden füge ich zur Veranschaulichung die "Punkte" -Schicht hinzu.)

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)

Dies funktioniert jedoch, wenn Sie eine dritte Variable steuern müssen.

# 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)  

Oder ein anderer Ansatz wäre smoothScatter():

smoothScatter(dat[2:3])

Eine Übersicht über einige gute Optionen in ggplot2:

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

Option A: transparente Punkte

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

Option B: Dichtekonturen hinzufügen

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

Option C: Konturen mit gefüllter Dichte hinzufügen

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

Option D: Dichte-Heatmap

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')

Option E: Hexbins

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

Option F: Teppiche

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

Kombinieren Sie in einer Figur:

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

Alpha-Blending ist auch mit Basisgrafiken einfach durchzuführen.

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

Die ersten sechs Zahlen nach #sind die Farbe in RGB hex und die letzten beiden sind die Deckkraft, wiederum in hex, also 33 ~ 3/16 undurchsichtig.

Sie können auch Dichtekonturlinien ( ggplot2) verwenden:

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

Oder kombinieren Sie Dichtekonturen mit Alpha-Blending:

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

Möglicherweise finden Sie das hexbinPaket nützlich . Von der Hilfeseite von 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_pointdenistyMit dem ggpointdensityPaket (kürzlich von Lukas Kremer und Simon Anders (2019) entwickelt) können Sie Dichte und einzelne Datenpunkte gleichzeitig visualisieren:

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()

Meine bevorzugte Methode zum Zeichnen dieser Art von Daten ist die in dieser Frage beschriebene - ein Streudichtediagramm . Die Idee ist, ein Streudiagramm zu erstellen, aber die Punkte nach ihrer Dichte zu färben (grob gesagt, das Ausmaß der Überlappung in diesem Bereich).

Es gleichzeitig:

• zeigt deutlich die Position der Ausreißer und
• zeigt jede Struktur im dichten Bereich des Grundstücks.

Hier ist das Ergebnis der Top-Antwort auf die verknüpfte Frage: