基于 ggdensity 包的等高线绘制

简介: 基于 ggdensity 包的等高线绘制

简介

科研过程中,需要绘制某个后验密度/其他的形状。在发表论文中常常使用等高线来满足该需求。例如:文献[1]中所给出的图:


今天小编主要学习下 ggdensity[2] 来绘制不同类型的等高线,以便今后查阅和使用。并在此基础上,简单学习了另一种方式(ggblanket[3] 包)构建等高线。全文使用 [ggsci]((https://nanx.me/ggsci/ "ggsci")) 来修改配色。

主要参考的资料有1[4]、2[5]。

教程

数据介绍

本文使用常用数据集 iris 来作为例子。该数据集的前 6 行数据如下所示:



使用的 R 包包括:

library(ggdensity)
library(ggblanket)
library(ggsci)

版本一

使用 geom_hdr() 绘制等高线,配合 facet_wrap() 分面和 ggsci 包中的 scale_fill_aaas()修改配色方案。这是最简单的版本,其实大体上已经符合我的需求了。接下来展示在此基础上的一些调整,供大家以后参考使用。

ggplot(iris,aes(x = Sepal.Width, y = Sepal.Length, fill = Species)) +
  geom_hdr() + 
  scale_fill_aaas() +
  facet_wrap(vars(Species))


版本二

为了说明各个点的位置,可以直接在原来基础上增加代码:geom_point(shape = 21)。

# 增加点
ggplot(iris,aes(x = Sepal.Width, y = Sepal.Length, fill = Species)) +
  geom_hdr() + 
  geom_point(shape = 21) +
  scale_fill_aaas() +
  facet_wrap(vars(Species))



版本三

使用 geom_hdr_lines() 配合 geom_point(),得到等高线(没有填充)和对应点。当然如果你觉得点的颜色太花了,可以在geom_point() 设置 color = "black"。

ggplot(iris,aes(x = Sepal.Width, y = Sepal.Length, color = Species)) +
  geom_hdr_lines() +
  geom_point() +
  scale_color_aaas() +
  facet_wrap(vars(Species))



         

版本四

在原来的基础上,使用 geom_hdr_rug() 加入地毯。

ggplot(iris,aes(x = Sepal.Width, y = Sepal.Length, fill = Species)) +
  ggdensity::geom_hdr() + 
  geom_point(shape = 21) +
  scale_fill_aaas() +
  facet_wrap(vars(Species)) +
  geom_hdr_rug()


版本五

这里还可以使用 {ggblanket} 包绘制,该包集成了 ggplot 的语法,对新手使用更加方便。例如,iris 包绘制等高线可由以下代码实现。

iris |>
  gg_blank(
    x = Sepal.Width,
    y = Sepal.Length,
    col = Species,
    facet = Species,
    col_legend_place = "r") +
  ggdensity::geom_hdr(colour = NA) +
  labs(alpha = "Probs") +
  theme(legend.title = element_text(margin = margin(t = 5)))


小编有话说


  • 关于文章所提的文献中的图,本文并没有做复现工作,使用 geom_hdr_lines(),factet_wrap(), geom_text() 和 annotate() 基本就可以满足需求。

注意:本文的代码(.RMD)已经放到我的 GitHub 中(文末原文直达),有兴趣读者可以下载。此外,往期部分推文代码都已经公开,欢迎大家 Fork,star 使用。

d35ce1d83c61046d389c151196c5aef5.png

参考资料

[1]

文献: Fang, G. (2020). Multivariate Statistical Modeling and Analysis of Accelerated Degradation Testing Data for Reliability Prediction.

[2]

ggdensity: https://cloud.r-project.org/web/packages/ggdensity/index.html

[3]

ggblanket: https://davidhodge931.github.io/ggblanket/articles/ggblanket.html

[4]

1: https://jamesotto852.github.io/ggdensity/

[5]

2: https://davidhodge931.github.io/ggblanket/articles/ggblanket.html

目录
相关文章
|
Ubuntu 网络协议 网络安全
ubuntu防火墙的安装,开启,关闭和添加规则等操作
ubuntu防火墙的安装,开启,关闭和添加规则等操作
7736 0
ubuntu防火墙的安装,开启,关闭和添加规则等操作
|
XML 缓存 JSON
Bpmn.js 进阶指南之原理分析与模块改造(上)
Bpmn.js 进阶指南之原理分析与模块改造
3056 1
|
11月前
|
存储 人工智能 自然语言处理
AI营销技术架构深度解析:从链创AI的智能体实践看云端部署策略
本文从技术架构视角分析五家AI营销服务商的实践路径,涵盖链创AI的智能体协同、蓝色光标的营销云平台、华与华的方法论体系等,探讨其云端结合点与选型建议,助力企业构建高效、灵活的AI营销技术栈。
|
存储 数据可视化 数据挖掘
单细胞分析: Scanpy 核心绘图 (1)
单细胞分析: Scanpy 核心绘图 (1)
1118 4
|
测试技术 API 开发者
LiveBench放榜:Qwen3斩获全球开源冠军
最新一期LiveBench榜单显示,阿里云旗舰模型Qwen3-235B-A22B荣登全球开源模型冠军,小尺寸Qwen3-32B位列Top3。千问3在指令遵循能力上超越多个顶级闭源模型,位居全球第一。该评测由图灵奖得主Yann LeCun发起,采用动态防污染机制,确保公平性。千问3支持119种语言,具备混合推理架构与强大Agent能力,现已上线阿里云百炼平台,提供免费体验与API调用。
1553 10
|
消息中间件 缓存 算法
社招一年半面经分享(含阿里美团头条京东滴滴)
重点放在专业技能和项目经验两块1.你的简历就是你给面试官提供的考点,简历上的东西必须自己Hold住,万一自己写的东西被问住了,会很尴尬,给面试官留下的印象也不好,所以就是会啥写啥2.技术栈最好不要写精通,你敢写面试官就敢问,被问倒了很尴尬的,写熟悉,了解就行怎么投简历我这里强烈建议找人内推,这样简历通过的概率大些,如果找不到,可以试试脉脉,我就是从脉脉投的简历,把状态改成寻找机会就行,会有很多人找你的推荐一个简历制作模版,我一直用的,https://www.polebrief.com/index算法这个该刷还是得刷,别偷懒,我个人感觉刷完下面几个已经够了,大家可以根据自己的基础情况选择剑指Of
1524 1
inkscape
inkscape使用教程
1310 1
|
存储 数据可视化 数据挖掘
利用Matplotlib实现地图可视化
【4月更文挑战第17天】使用Matplotlib结合GeoPandas和Basemap在Python中实现地图可视化。首先安装Matplotlib、GeoPandas和Basemap库。读取GeoJSON或Shapefile格式的地理数据,然后使用Basemap创建地图底图,绘制海岸线、国家边界和大陆湖泊。将GeoDataFrame数据转换后叠加到地图上,自定义地图样式和添加图例。利用颜色映射展示与地理位置相关的数值数据,创建颜色条。此外,可通过Folium实现交互式地图。通过学习和实践,提升地图可视化的技能。
1269 1
|
机器学习/深度学习 人工智能 算法
神经网络算法——损失函数(Loss Function)
神经网络算法——损失函数(Loss Function)
3448 0
|
机器学习/深度学习 人工智能 自然语言处理
大厂技术实现 | 多目标优化及应用(含代码实现)@推荐与计算广告系列
推荐,搜索,计算广告是互联网公司最普及最容易商业变现的方向,也是算法发挥作用最大的一些方向,前沿算法的突破和应用可以极大程度驱动业务增长,这个系列咱们就聊聊这些业务方向的技术和企业实践。本期主题为多目标学习优化落地(附『实现代码』和『微信数据集』)
8566 6
大厂技术实现 | 多目标优化及应用(含代码实现)@推荐与计算广告系列