punti di trama massima in R?

Question

Mi sono imbattuto in una serie di situazioni in cui voglio tracciare più punti di quelli che dovrei essere - il principale ostacolo è che quando condivido i miei complotti con le persone o li incorporo in documenti, occupano troppo spazio. È molto semplice campionare casualmente le righe in un dataframe.

se voglio un campione realmente casuale per una trama punto, è facile dire:

ggplot(x,y,data=myDf[sample(1:nrow(myDf),1000),]) 

Tuttavia, mi chiedevo se ci fossero più efficaci (idealmente in scatola) modi per specificare il numero di punti della trama in modo tale che i tuoi dati effettivi si riflettano accuratamente nella trama. Quindi ecco un esempio. Supponiamo di tracciare qualcosa come il CCDF di una distribuzione a coda pesante, ad es.

ccdf <- function(myList,density=FALSE) 
{ 
    # generates the CCDF of a list or vector 
    freqs = table(myList) 
    X = rev(as.numeric(names(freqs))) 
    Y =cumsum(rev(as.list(freqs))); 
    data.frame(x=X,count=Y) 
} 
qplot(x,count,data=ccdf(rlnorm(10000,3,2.4)),log='xy') 

Ciò produrrà un grafico in cui l'asse y x & diventano sempre più fitta. Qui sarebbe ideale avere un minor numero di campioni tracciati per grandi valori xey.

Qualcuno ha suggerimenti o suggerimenti per trattare problemi simili?

Grazie, -e

Answer 1

Ecco una possibile soluzione per il plottaggio del diagramma rispetto all'asse x, se è log trasformato. E 'il login trasforma l'asse x, arrotonda tale quantitativo, e raccoglie il valore mediano x in che bin:

downsampled_qplot <- function(x,y,data,rounding=0, ...) { 
    # assumes we are doing log=xy or log=x 
    group = factor(round(log(data$x),rounding)) 
    d <- do.call(rbind, by(data, group, 
    function(X) X[order(X$x)[floor(length(X)/2)],])) 
    qplot(x,count,data=d, ...) 
} 

Utilizzando la definizione di ccdf() dall'alto, possiamo quindi confrontare la trama originale del CCDF della distribuzione con la versione downsampled:

myccdf=ccdf(rlnorm(10000,3,2.4)) 

qplot(x,count,data=myccdf,log='xy',main='original') 

downsampled_qplot(x,count,data=myccdf,log='xy',rounding=1,main='rounding = 1') 

downsampled_qplot(x,count,data=myccdf,log='xy',rounding=0,main='rounding = 0') 

in formato PDF, la trama originale riprende 640K, e le versioni downsampling occupano 20K e 8K, rispettivamente.

Answer 2

Io tendo ad usare i file png, piuttosto che di grafica vettoriale based come pdf o eps per questa situazione. I file sono molto più piccoli, anche se perdi risoluzione.

Se si tratta di un grafico a dispersione più convenzionale, utilizzare anche i colori semitrasparenti, oltre a risolvere il problema di sovraesposizione. Ad esempio,

x <- rnorm(10000); y <- rnorm(10000) 
qplot(x, y, colour=I(alpha("blue",1/25))) 

Answer 3

suggerimenti di là di Rob, una funzione plot mi piace come fa il 'assottigliamento' per voi è hexbin; un esempio è at the R Graph Gallery.

Answer 4

avrei subordinare file immagine (dispositivi png o jpeg) come Rob già accennato, o farei un 2D histogram. Un'alternativa alla istogramma 2D è una smoothed scatterplot, fa un grafico simile ma ha un taglio più liscia da regioni di spazio dense a sparse.

Se non hai mai visto addictedtor prima, vale la pena dare un'occhiata. Ha una grafica molto bella generata in R con immagini e codice di esempio.

Ecco il codice di esempio dal sito addictedtor:

2-D istogramma:

require(gplots) 

# example data, bivariate normal, no correlation 
x <- rnorm(2000, sd=4) 
y <- rnorm(2000, sd=1) 

# separate scales for each axis, this looks circular 
hist2d(x,y, nbins=50, col = c("white",heat.colors(16))) 
rug(x,side=1) 
rug(y,side=2) 
box() 

smoothscatter:

library("geneplotter") ## from BioConductor 
require("RColorBrewer") ## from CRAN 

x1 <- matrix(rnorm(1e4), ncol=2) 
x2 <- matrix(rnorm(1e4, mean=3, sd=1.5), ncol=2) 
x <- rbind(x1,x2) 

layout(matrix(1:4, ncol=2, byrow=TRUE)) 
op <- par(mar=rep(2,4)) 
smoothScatter(x, nrpoints=0) 
smoothScatter(x) 
smoothScatter(x, nrpoints=Inf, 
       colramp=colorRampPalette(brewer.pal(9,"YlOrRd")), 
       bandwidth=40) 
colors <- densCols(x) 
plot(x, col=colors, pch=20) 

par(op)