Я делаю 2d графики плотности с некоторыми данными отслеживания.2dFensity scale scale scale

Моя цель состоит в том, чтобы сделать графики для каждой экспериментальной установки

Моего ДФА выглядит следующим образом:

head(df) 
    Caja x y   t 
1 4 0 0 0:00:00:00 
2 4 -2 10 0:00:00:14 
3 4 3 26 0:00:00:28 
4 4 7 54 0:00:00:42 
5 4 9 75 0:00:00:57 
6 4 9 92 0:00:00:71

Первая колонка (Каха) является фактором, который я использую для огранки (потому что каждый уровень является другой экспериментальной единицей). x и y - переменные, которые меня интересуют, t - это время, в которое была предпринята мера.

Поскольку df длинный data.frane, и я собираюсь использовать caja4 позже я обеспечиваю его

dput(caja4) 
structure(list(Caja = c(4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), x = c(0L, -2L, 
3L, 7L, 9L, 9L, 11L, 6L, -12L, -23L, -33L, -32L, -36L, -28L, 
-15L, -2L, 2L, 6L, 6L, 4L, 4L, 2L, 1L, 0L, -1L, 2L, 2L, 4L, 6L, 
11L, 9L, 11L, 13L, 12L, 0L, 3L, 10L, 5L, -14L, -10L, 5L, 10L, 
12L, 12L, 11L, 11L, 9L, 9L, 11L, 9L, 10L, 11L, 12L, 7L, 1L, -6L, 
-11L, -18L, -25L, -17L, -7L, -2L, -5L, -4L, -24L, -29L, -37L, 
-39L, -41L, -41L, -41L, -41L, -41L, -41L, -41L, -39L, -39L, -39L, 
-39L, -39L, -39L, -39L, -39L, -39L, -28L, -17L, -11L, -6L, -9L, 
-16L, -27L, -37L, -38L, -42L, -42L, -42L, -42L, -42L, -42L, -42L, 
-42L, -42L, -42L, -36L, -28L, -17L, -6L, 1L, 3L, 3L, 2L, 2L, 
2L, 2L, -2L, 1L, 0L, 0L, 2L, 4L, 5L, 4L, 2L, 3L, -1L, -1L, -9L, 
-12L, -30L, -38L, -37L, -36L, -42L, -42L, -42L, -42L, -42L, -43L, 
-43L, -43L, -36L, -35L, -29L, -26L, -29L, -37L, -38L, -38L, -38L, 
-37L, -31L, -18L, 5L, 7L, 7L, 8L, 7L, 4L, 7L, 2L, 5L, 10L, 13L, 
12L, -13L, -32L, -41L, -31L, -14L, 0L, 10L, 2L, -8L, -29L, -37L, 
-37L, -37L, -37L, -37L, -37L, -37L, -28L, -14L, -3L, 4L, 3L, 
1L, -7L, -15L, -11L, -11L, -15L, -16L, -27L, -37L, -43L, -43L, 
-43L, -43L, -43L, -43L, -43L, -24L, -1L, 0L, 3L, 4L, 3L, 2L, 
1L, 3L, 4L, -9L, -31L, -45L, -45L, -34L, -32L, -4L, -12L, -8L, 
-6L, -17L, -31L, -36L, -42L, -37L, -39L, -36L, -36L, -36L, -37L, 
-37L, -36L, -37L, -32L, -19L, -5L, 2L, 7L, 9L, 9L, 7L, 10L, 9L, 
10L, 11L, 11L, 11L, 8L, 8L, 10L, 12L, -1L, -14L, -32L, -17L, 
-2L, -14L, -26L, -44L, -44L, -44L, -44L, -44L, -44L, -45L, -45L, 
-33L, -21L, -12L, -11L, -5L, 2L, 5L, 4L, 2L, 6L, 6L, 6L, 6L, 
6L, 6L, 7L, -7L, -29L, -27L, -10L, -2L, 5L, 7L, 7L, 8L, 13L), 
    y = c(0L, 10L, 26L, 54L, 75L, 92L, 113L, 116L, 117L, 114L, 
    119L, 115L, 114L, 108L, 99L, 90L, 76L, 57L, 37L, 21L, 12L, 
    7L, 8L, 2L, -2L, 5L, 7L, 17L, 37L, 52L, 67L, 86L, 100L, 118L, 
    122L, 125L, 122L, 122L, 129L, 129L, 126L, 124L, 125L, 123L, 
    106L, 92L, 70L, 49L, 27L, 17L, 5L, 6L, 10L, 7L, 3L, -3L, 
    -3L, -6L, -8L, -13L, -13L, -14L, -13L, -13L, -5L, 1L, 3L, 
    7L, 8L, 9L, 10L, 25L, 42L, 44L, 57L, 87L, 101L, 107L, 110L, 
    102L, 96L, 94L, 81L, 68L, 57L, 50L, 61L, 76L, 96L, 97L, 96L, 
    98L, 99L, 95L, 79L, 64L, 53L, 46L, 31L, 12L, 4L, -7L, -16L, 
    -17L, -17L, -17L, -17L, -17L, -17L, -16L, -17L, -17L, -17L, 
    -17L, -17L, -17L, -17L, -17L, -6L, 15L, 31L, 50L, 71L, 95L, 
    105L, 119L, 125L, 119L, 117L, 116L, 127L, 112L, 94L, 77L, 
    55L, 26L, 0L, -1L, -2L, 1L, -4L, -5L, -5L, -6L, -10L, -11L, 
    -11L, -11L, -10L, -9L, -10L, -8L, 4L, 9L, 15L, 25L, 41L, 
    57L, 71L, 84L, 100L, 117L, 133L, 134L, 137L, 134L, 134L, 
    135L, 139L, 135L, 131L, 120L, 125L, 132L, 131L, 127L, 140L, 
    143L, 144L, 143L, 143L, 142L, 139L, 138L, 131L, 124L, 104L, 
    80L, 61L, 45L, 23L, 9L, -4L, -4L, -8L, -13L, -13L, -13L, 
    -13L, -13L, -13L, -13L, -10L, -2L, 0L, 7L, 24L, 36L, 56L, 
    77L, 108L, 123L, 137L, 139L, 129L, 130L, 117L, 128L, 123L, 
    117L, 126L, 125L, 124L, 145L, 145L, 107L, 104L, 92L, 83L, 
    75L, 62L, 47L, 32L, 17L, 1L, -7L, -8L, -10L, -8L, -5L, -6L, 
    -3L, -1L, 10L, 20L, 28L, 32L, 33L, 34L, 52L, 74L, 98L, 114L, 
    116L, 116L, 121L, 122L, 123L, 120L, 117L, 114L, 107L, 109L, 
    87L, 69L, 37L, 12L, 8L, -14L, -14L, -14L, -11L, 2L, 17L, 
    29L, 25L, 12L, -9L, 0L, 12L, 28L, 54L, 84L, 96L, 105L, 114L, 
    114L, 111L, 112L, 111L, 116L, 120L, 120L, 127L), t = structure(1:294, .Label = c("0:00:00:00", 
    "0:00:00:14", "0:00:00:28", "0:00:00:42", "0:00:00:57", "0:00:00:71", 
    "0:00:00:85", "0:00:01:00", "0:00:01:14", "0:00:01:28", "0:00:01:42", 
    "0:00:01:57", "0:00:01:71", "0:00:01:85", "0:00:02:00", "0:00:02:14", 
    "0:00:02:28", "0:00:02:42", "0:00:02:57", "0:00:02:71", "0:00:02:85", 
    "0:00:03:00", "0:00:03:14", "0:00:03:28", "0:00:03:42", "0:00:03:57", 
    "0:00:03:71", "0:00:03:85", "0:00:04:00", "0:00:04:14", "0:00:04:28", 
    "0:00:04:42", "0:00:04:57", "0:00:04:71", "0:00:04:85", "0:00:05:00", 
    "0:00:05:14", "0:00:05:28", "0:00:05:42", "0:00:05:57", "0:00:05:71", 
    "0:00:05:85", "0:00:06:00", "0:00:06:14", "0:00:06:28", "0:00:06:42", 
    "0:00:06:57", "0:00:06:71", "0:00:06:85", "0:00:07:00", "0:00:07:14", 
    "0:00:07:28", "0:00:07:42", "0:00:07:57", "0:00:07:71", "0:00:07:85", 
    "0:00:08:00", "0:00:08:14", "0:00:08:28", "0:00:08:42", "0:00:08:57", 
    "0:00:08:71", "0:00:08:85", "0:00:09:00", "0:00:09:14", "0:00:09:28", 
    "0:00:09:42", "0:00:09:57", "0:00:09:71", "0:00:09:85", "0:00:10:00", 
    "0:00:10:14", "0:00:10:28", "0:00:10:42", "0:00:10:57", "0:00:10:71", 
    "0:00:10:85", "0:00:11:00", "0:00:11:14", "0:00:11:28", "0:00:11:42", 
    "0:00:11:57", "0:00:11:71", "0:00:11:85", "0:00:12:00", "0:00:12:14", 
    "0:00:12:28", "0:00:12:42", "0:00:12:57", "0:00:12:71", "0:00:12:85", 
    "0:00:13:00", "0:00:13:14", "0:00:13:28", "0:00:13:42", "0:00:13:57", 
    "0:00:13:71", "0:00:13:85", "0:00:14:00", "0:00:14:14", "0:00:14:28", 
    "0:00:14:42", "0:00:14:57", "0:00:14:71", "0:00:14:85", "0:00:15:00", 
    "0:00:15:14", "0:00:15:28", "0:00:15:42", "0:00:15:57", "0:00:15:71", 
    "0:00:15:85", "0:00:16:00", "0:00:16:14", "0:00:16:28", "0:00:16:42", 
    "0:00:16:57", "0:00:16:71", "0:00:16:85", "0:00:17:00", "0:00:17:14", 
    "0:00:17:28", "0:00:17:42", "0:00:17:57", "0:00:17:71", "0:00:17:85", 
    "0:00:18:00", "0:00:18:14", "0:00:18:28", "0:00:18:42", "0:00:18:57", 
    "0:00:18:71", "0:00:18:85", "0:00:19:00", "0:00:19:14", "0:00:19:28", 
    "0:00:19:42", "0:00:19:57", "0:00:19:71", "0:00:19:85", "0:00:20:00", 
    "0:00:20:14", "0:00:20:28", "0:00:20:42", "0:00:20:57", "0:00:20:71", 
    "0:00:20:85", "0:00:21:00", "0:00:21:14", "0:00:21:28", "0:00:21:42", 
    "0:00:21:57", "0:00:21:71", "0:00:21:85", "0:00:22:00", "0:00:22:14", 
    "0:00:22:28", "0:00:22:42", "0:00:22:57", "0:00:22:71", "0:00:22:85", 
    "0:00:23:00", "0:00:23:14", "0:00:23:28", "0:00:23:42", "0:00:23:57", 
    "0:00:23:71", "0:00:23:85", "0:00:24:00", "0:00:24:14", "0:00:24:28", 
    "0:00:24:42", "0:00:24:57", "0:00:24:71", "0:00:24:85", "0:00:25:00", 
    "0:00:25:14", "0:00:25:28", "0:00:25:42", "0:00:25:57", "0:00:25:71", 
    "0:00:25:85", "0:00:26:00", "0:00:26:14", "0:00:26:28", "0:00:26:42", 
    "0:00:26:57", "0:00:26:71", "0:00:26:85", "0:00:27:00", "0:00:27:14", 
    "0:00:27:28", "0:00:27:42", "0:00:27:57", "0:00:27:71", "0:00:27:85", 
    "0:00:28:00", "0:00:28:14", "0:00:28:28", "0:00:28:42", "0:00:28:57", 
    "0:00:28:71", "0:00:28:85", "0:00:29:00", "0:00:29:14", "0:00:29:28", 
    "0:00:29:42", "0:00:29:57", "0:00:29:71", "0:00:29:85", "0:00:30:00", 
    "0:00:30:14", "0:00:30:28", "0:00:30:42", "0:00:30:57", "0:00:30:71", 
    "0:00:30:85", "0:00:31:00", "0:00:31:14", "0:00:31:28", "0:00:31:42", 
    "0:00:31:57", "0:00:31:71", "0:00:31:85", "0:00:32:00", "0:00:32:14", 
    "0:00:32:28", "0:00:32:42", "0:00:32:57", "0:00:32:71", "0:00:32:85", 
    "0:00:33:00", "0:00:33:14", "0:00:33:28", "0:00:33:42", "0:00:33:57", 
    "0:00:33:71", "0:00:33:85", "0:00:34:00", "0:00:34:14", "0:00:34:28", 
    "0:00:34:42", "0:00:34:57", "0:00:34:71", "0:00:34:85", "0:00:35:00", 
    "0:00:35:14", "0:00:35:28", "0:00:35:42", "0:00:35:57", "0:00:35:71", 
    "0:00:35:85", "0:00:36:00", "0:00:36:14", "0:00:36:28", "0:00:36:42", 
    "0:00:36:57", "0:00:36:71", "0:00:36:85", "0:00:37:00", "0:00:37:14", 
    "0:00:37:28", "0:00:37:42", "0:00:37:57", "0:00:37:71", "0:00:37:85", 
    "0:00:38:00", "0:00:38:14", "0:00:38:28", "0:00:38:42", "0:00:38:57", 
    "0:00:38:71", "0:00:38:85", "0:00:39:00", "0:00:39:14", "0:00:39:28", 
    "0:00:39:42", "0:00:39:57", "0:00:39:71", "0:00:39:85", "0:00:40:00", 
    "0:00:40:14", "0:00:40:28", "0:00:40:42", "0:00:40:57", "0:00:40:71", 
    "0:00:40:85", "0:00:41:00", "0:00:41:14", "0:00:41:28", "0:00:41:42", 
    "0:00:41:57", "0:00:41:71", "0:00:41:85"), class = "factor")), .Names = c("Caja", 
"x", "y", "t"), row.names = c(NA, 294L), class = "data.frame")

Для участка я использую

ggplot(data=df,aes(x,y)) + facet_wrap(~Caja) + 
    stat_density2d(aes(fill=..level..,alpha=..level..),geom='polygon',colour='black') + 
    scale_fill_continuous(low="green",high="red") + 
    geom_point()+guides(alpha="none")

Когда я сюжет только caja4 данные

ggplot(data=caja4,aes(x,y)) + facet_wrap(~Caja) + 
    stat_density2d(aes(fill=..level..,alpha=..level..),geom='polygon',colour='black') + 
    scale_fill_continuous(low="green",high="red") + 
    geom_point()+guides(alpha="none")

Это делает интерпретацию более легким, хотя, если вы посмотрите на линии сюжета, все немного по-другому

ggplot(caja4,aes(x,y))+geom_point()+geom_path(col="red")+theme_classic()

Я хотел бы иметь свободный масштаб плотности для грани, но есть нечто, что больше зависит от сюжетной линии.

источник

2015-12-16 Matias Andina

«Я использую базу здесь, потому что geom_line соединяет точки в неправильном направлении и я не знаю, как этого избежать »... загляните в geom_path() – MLavoie

@MLavoie Спасибо, я отредактировал сообщение для ggplot only :) –

Общие комментарии

Ok, куча вещей, чтобы обсудить здесь, я думаю:

Вы можете использовать scales = 'free' в вашем фасета вызова, чтобы лучше выровнять пространство построения графиков с данными.
Вы не можете изменять масштаб плотности между фасетками. Это связано с тем, что грани, как правило, предназначены для представления различных групп, используя общие эстетические сопоставления. Вместо этого вы можете сделать отдельные фигуры и соединить их (например, с пакетом cowplot).
Полигоны обрезаются на вашем участке, что дает вам неутешительный результат. Я предпочел бы использовать geom_tile визуализировать плотность точек
Как MLavoie указал, вы хотите использовать geom_path вместо geom_line.
Эта цветовая гамма не так велика. Например, он плохо работает для людей с слепотой. Я бы рекомендовал цветную шкалу viridis (см. Ниже).
Если единицы измерения для оси x и y одинаковы и значимы (см., Например, пиксели), вы хотите, чтобы они были представлены одинаково. Вы можете использовать для этого coord_equal().

Создание хороший сюжет для одного испытания

Вот несколько примеров кода и сюжет, чтобы объединить это (у меня есть только данные для Caja 4):

library(viridis) 

ggplot(caja4, aes(x,y)) + 
    stat_density2d(geom = 'tile', aes(fill = ..density..), contour = FALSE) + 
    geom_point() + 
    geom_path() + 
    scale_fill_viridis() + 
    coord_equal() + 
    theme_minimal()

Если вы хотите использовать контурные полигоны, вам необходимо вручную развернуть оси, чтобы избежать обрезки полигонов (or you have close the polygons yourself):

ggplot(caja4, aes(x,y)) + 
    stat_density2d(geom = 'polygon', aes(fill = ..level..), contour = TRUE) + 
    geom_point() + 
    geom_path() + 
    scale_fill_viridis() + 
    coord_equal() + 
    theme_minimal() + 
    xlim(-60, 40) + 
    ylim(-50, 170)

Комбинирование различных испытаний

Вместо граней, мы можем использовать рисунок панели (смотри пункт 2 выше). Я считаю, что пакет cowplot действительно полезен для этого. Ниже приведен пример кода для простого создания составной фигуры. (Обратите внимание, что я использовал log(..density..) здесь для различного масштабирования цветов.)

# Make data with three cajas (which only differ in x and y range here) 
library(dplyr) 

xy <- select(caja4, x, y) 
cajas <- bind_rows('1' = xy, '2' = xy * 2, '3' = xy/2, .id = 'Caja') 

# Create ggplot objects for each caja 
plots <- lapply(split(cajas, cajas$Caja), 
       function(XX) { 
        plot = ggplot(XX, aes(x,y)) + 
        stat_density2d(geom = 'tile', aes(fill = log(..density..)), contour = FALSE) + 
        geom_point() + 
        geom_path() + 
        scale_fill_viridis() + 
        coord_equal() + 
        theme_minimal() 
       }) 

plot_grid(plotlist = plots, nrow = 1, labels = 1:length(plots))

Каких результатов в:

источник

2015-12-16 15:32:31 Axeman

это отличный ответ, но все же не разрешает проблему масштаба плотности Я могу загрузить фасет, если вы хотите –

См. Пункт 2. Или вам нужен пример кода? – Axeman

Я не уверен, мне нужно было бы сделать 8 графиков (8 раз вызов ggplot в объект?), А затем объединить их с ковельным рисунком? –

2dFensity scale scale scale

ответ

Общие комментарии

Создание хороший сюжет для одного испытания

Комбинирование различных испытаний

Смежные вопросы