在ggplot2中反向叠加alpha值

ggplot2中的alpha值经常用于帮助在R中进行重叠绘图。较深的颜色代表许多观测值下降的区域，较浅的颜色代表只有少数观测值落在的区域。是否有可能扭转这种情况？那么，那些异常值（通常很少有观察值）会被强调为较暗，而大多数数据（通常具有许多观测值）会被强调为较亮？在ggplot2中反向叠加alpha值

下面是一个MWE：从中心（0,0）

myDat <- data.frame(x=rnorm(10000,0,1),y=rnorm(10000,0,1)) 
qplot(x=x, y=y, data=myDat, alpha=0.2)

更罕见的观察远更轻。我怎样才能扭转这种情况？谢谢你的任何想法。

来源

2016-12-31 LanneR

根据您的具体要求，您可以考虑[geom_density_2d]（http://docs.ggplot2.org/current/geom_density_2d.html）。见例如第二个最后一个例子，以及[scale_fill_gradient]（http://docs.ggplot2.org/current/scale_gradient.html），您可以在其中设置您所选择的“低”和“高”颜色。 – Henrik

您可以尝试单独设置每个点的alpha值，并且不透明度从中心进一步增加。这样

p = 2 # adjust this parameter to set how steeply opacity ncreases with distance 
d = (myDat$x^2 + myDat$y^2)^p 
al = d/max(d) 
ggplot(myDat, aes(x=x, y=y)) + geom_point(alpha = al)

来源

2016-12-31 17:46:41 dww

一些与马氏距离从形心尝试此为异常值的得分（分数越高的那些可以分配较深的颜色，而不是使用阿尔法值）：

myDat <- data.frame(x=rnorm(10000,0,1),y=rnorm(10000,0,1)) 
mu <- colMeans(myDat) 

# assuming x, y independent, if not we can always calculate a non-zero cov(x,y) 
sigma <- matrix(c(var(myDat$x), 0, 0, var(myDat$y)), nrow=2) 
# use (squared) *Mahalanobis distance* as outlier score 
myDat$outlier.score <- apply(myDat, 1, function(x) t(x-mu)%*%solve(sigma)%*%(x-mu)) 
qplot(x=x, y=y, data=myDat, col=outlier.score) + 
    scale_color_gradient(low='white', high='blue')

# assuming x, y are not independent 
sigma <- matrix(c(var(myDat$x), cov(myDat$x, myDat$y), cov(myDat$x, myDat$y), var(myDat$y)), nrow=2) 
# use (squared) *Mahalanobis distance* from centroid as outlier score 
myDat$outlier.score <- apply(myDat, 1, function(x) t(x-mu)%*%solve(sigma)%*%(x-mu)) 
qplot(x=x, y=y, data=myDat, col=outlier.score) + 
    scale_color_gradient(low='white', high='blue')

来源

2016-12-31 21:48:24

在ggplot2中反向叠加alpha值

回答

相关问题