R语言绘制二维密度图

1047521767

R语言绘制二维密度图二维密度图显示了两个数值变量之间的关系，一个在x轴上表示，另一个在Y轴上表示，与散点图类似，然后计算二维空间中特定区域内的观测数，并用颜色梯度表示。二维密度图有几种类型，以下主要展示二维直方图和Hexbin图的绘图代码。
5 m) b7 {1 ?3 o8 ~
1 u" |0 C/ o6 g; VR语言|绘制二维直方图
0 D- M1 N: n/ |  s9 ?: R- K  ]5 R对于2d直方图，plot区域被划分为多个正方形，调用geombin2d（）函数，它提供了一个bins参数，用于控制要显示的bins数量。
" b) q' G3 w1 e7 b$ k+ f) C5 V
& D6 N; ~8 b! ^  a1.先绘制基础的散点图；
##二维直方图
) c7 ]9 J/ n$ F2 J" }# Library
library(tidyverse)
; q4 A+ w9 |* A# r$ q. U5 Flibrary(ggplot2)
0 O" \. ?( |) [" F- e
4 m! E4 q6 P7 a" U( @$ Q2 |$ A1 @# S# 读取数据
% v3 W  r+ P) H# f! H6 x- d8 n7 qa <- data.frame( x=rnorm(20000, 10, 1.9), y=rnorm(20000, 10, 1.2) )
b <- data.frame( x=rnorm(20000, 14.5, 1.9), y=rnorm(20000, 14.5, 1.9) )
3 r1 i9 R. l/ a, ^4 [0 @, d/ nc <- data.frame( x=rnorm(20000, 9.5, 1.9), y=rnorm(20000, 15.5, 1.9) )
) u8 x2 j% ]* w2 j" O& m+ E. Mdata <- rbind(a,b,c)

#绘制基础的散点图
ggplot(data, aes(x=x, y=y) ) +
  geom_point()
! @% k( z5 d- ?4 W: }( C

. P+ P; G* J2 Y/ B
2.绘制二维直方图。
7 }; m2 W6 ~+ u/ S- @####二维直方图可使用geom_bin2d()函数绘制
#二维直方图默认选项
ggplot(data, aes(x=x, y=y) ) +
  geom_bin2d() +
6 J  [2 P/ W+ @) Z% v) H8 E/ j  theme_bw()

! m% T3 Q5 q- y0 _# Bin大小控制与调色板
. {" D7 p3 H, Oggplot(data, aes(x=x, y=y) ) +
2 P, D# z4 A; U- ?  geom_bin2d(bins = 70) +
  scale_fill_continuous(type = "viridis") +
  ?; j& z3 Q+ r' f$ l: ?3 z  theme_bw()

* `. k+ N1 k8 |6 o0 B4 l
% a) L( l2 U5 k

R语言|绘制Hexbin图

当显示大型数据集时，散点图很难解释，因为点不可避免地会被覆盖，并且可能不被单独识别出来。hexbin图中将地块划分为多个六边形，图中阴影部分代替了条形图的高度。图形是通过R的hexbin包绘制的。

# Packages
5 @/ }2 G" S: H& ]) g' G0 m) ilibrary(hexbin)
library(RColorBrewer)
. i* W0 @; M2 t$ w( I+ m
0 _3 \$ w' N4 Q4 S: }* Z6 o# Create data
/ H/ m; ?0 Z: M: H. t+ F3 N" v) f* hx <- rnorm(mean=1.5, 5000)
y <- rnorm(mean=1.6, 5000)
2 [7 n" a  w" X6 l
# Make the plot
bin<-hexbin(x, y, xbins=40)
5 K0 b5 c1 }; S# S4 Gmy_colors=colorRampPalette(rev(brewer.pal(11,'Spectral')))
plot(bin, main="" , colramp=my_colors , legend=F )
- T0 Y, E! q/ |# s1 ]! a* s' o
1 q+ E+ \7 F' Q" d9 q1 Y