[数据分析与可视化] 数据绘图要点7-过度绘图
数据绘图要点7-过度绘图
过度绘图是数据绘图中的一个常见问题。当您的数据集很大时,散点图的点往往会重叠,使图形不可读。在这篇文章中,将给出多种解决方法来避免过度绘图。
过度绘图实例
下面的散点图中说明了过度绘图存在的问题。乍一看可能会得出这样的结论:X 和 Y 之间没有明显的关系。但后续我们将证明这个结论是多么错误。
# # 加载库
library(tidyverse)
library(hrbrthemes)
library(viridis)
library(patchwork)
# Dataset:
a <- data.frame( x=rnorm(20000, 10, 1.2), y=rnorm(20000, 10, 1.2), group=rep("A",20000))
b <- data.frame( x=rnorm(20000, 14.5, 1.2), y=rnorm(20000, 14.5, 1.2), group=rep("B",20000))
c <- data.frame( x=rnorm(20000, 9.5, 1.5), y=rnorm(20000, 15.5, 1.5), group=rep("C",20000))
# 拼接数据
data <- do.call(rbind, list(a,b,c))
# 绘图
ggplot(data,aes(x=x, y=y)) +
geom_point(color="#69b3a2", size=2) +
theme(
legend.position="none"
)
解决方法
减少点的尺寸
最简单的解决方法可能是减少点的尺寸,它可以提供非常令人满意的结果。在这里可以清楚地看到存在3个集群,这在上图中被隐藏了。
ggplot(data,aes(x=x, y=y)) +
# 减少点的尺寸
geom_point(color="#69b3a2", size=0.02) +
theme(
legend.position="none"
)
透明度
结合减小点的大小,使用透明度还可以进一步解决过度绘图问题。
ggplot(data,aes(x=x, y=y)) +
# 设置透明度
geom_point(color="#69b3a2", size=2, alpha=0.01) +
theme(
legend.position="none"
)
2维密度图
二维密度图基本上计算二维空间特定区域内的观察次数,并用颜色表示此计数,可以清晰看出点的分布情况
# 绘制2维密度图
ggplot(data, aes(x=x, y=y) ) +
stat_density_2d(aes(fill = ..density..), geom = "raster", contour = FALSE) +
scale_x_continuous(expand = c(0, 0)) +
scale_y_continuous(expand = c(0, 0)) +
scale_fill_viridis() +
theme(
legend.position='none'
)
数据采样
有时少即是多。仅绘制一小部分数据(此处为 5%)可以大大减少计算时间并有助于避免过度绘制:
sample_data <- sample_frac(data, 0.05)
ggplot(sample_data, aes(x=x, y=y)) +
geom_point(color="#69b3a2", size=2) +
theme(
legend.position="none"
)
突出显示特定组
降低图形复杂性的另一种方法是突出显示特定组。
ggplot( data,aes(x=x, y=y)) +
geom_point(color="grey", size=2) +
# 突出显示组B
geom_point(data = data %>% filter(group=="B"), color="#69b3a2", size=2) +
theme(
legend.position="none",
plot.title = element_text(size=12)
) +
ggtitle('Behavior of the group B')
分组
如果数据有分组的话,可以用不同颜色表示不同组的点。
ggplot(data, aes(x=x, y=y, color=group)) +
geom_point( size=2, alpha=0.1) +
scale_color_viridis(discrete=TRUE)
分图
一旦您的图中有多个组,另一种方法是使用分图,每次突出显示一个组。
ggplot(data, aes(x=x, y=y)) +
# 画突出显示类别的点
geom_point( aes( color=group) , size=2, alpha=0.1) +
# 画不突出显示类别的点
geom_point( data=data %>% select(-group), size=1, alpha=0.05, color="grey") +
scale_color_viridis(discrete=TRUE) +
theme(
legend.position="none",
) +
# 分图
facet_wrap(~group)
三维图
使用三维图来显示密度,在这种情况下,各组的位置变得明显。
library(plotly)
library(MASS)
kd <- with(data, MASS::kde2d(x, y, n = 50))
plot_ly(x = kd$x, y = kd$y, z = kd$z) %>% add_surface()
边缘分布
添加边缘分布允许您检测隐藏在图形过度绘制部分中的分布。您可以在边缘中添加箱形图、直方图或密度图。
library(ggExtra)
# 创建散点图
p <- ggplot(data, aes(x=x, y=y)) +
geom_point(color="#69b3a2", size=2, alpha=0.01) +
theme(
legend.position="none"
)
# 添加边缘直方图
ggExtra::ggMarginal(p, type = "histogram")
参考
本文来自博客园,作者:落痕的寒假,转载请注明原文链接:https://www.cnblogs.com/luohenyueji/p/16970183.html
![](https://gitcode.net/LuohenYJ/article_picture_warehouse/-/raw/main/wechat/content/%E5%8A%A0%E6%B2%B9%E9%B8%AD.gif)