在density2d中计算密度估计值?

质量检查

关于density2d背后的原理,我还有一个更笼统的问题。我正在使用ggplot和density2d函数来可视化动物运动。我的想法是计算热图,以显示动物大部分时间在哪里和/或确定特别感兴趣的区域。但是,density2d函数有时会生成难以解释的图。

这就是我的意思:

set.seed(4)
x<-runif(50,1,599)
y<-runif(50,1,599)
df<-data.table(x,y)

ggplot(df,aes(x=x,y=y))
+stat_density2d(aes(x=x,y=y,fill=..level..,alpha=..level..),bins=50,geom="polygon")
+coord_equal(xlim=c(0,600),ylim=c(0,600))
+expand_limits(x=c(0,600),y=c(0,600))
+geom_path()

看起来像这样: 在此处输入图片说明

有些区域具有密度估算值,但没有数据(x:50,y:300左右)。

现在比较一下:

set.seed(13)
x<-runif(50,1,599)
y<-runif(50,1,599)
df<-data.table(x,y)

ggplot(df,aes(x=x,y=y))
+stat_density2d(aes(x=x,y=y,fill=..level..,alpha=..level..),bins=50,geom="polygon")
+coord_equal(xlim=c(0,600),ylim=c(0,600))
+expand_limits(x=c(0,600),y=c(0,600))
+geom_path()

看起来像这样: 在此处输入图片说明

这里有一些区域“没有”密度估计值,但有实际数据(大约x:100,y:550)。

有人问了一个相关的问题:
用R中的属性值分布创建热图(而不是密度热图),
但是找不到令人满意的答案。

所以我的问题是(i)为什么?(ii)如何避免/尽可能调整?

爵士乐

这可能会有所帮助。我不太熟悉stat_density2d看到您的代码和ggplot文档(http://docs.ggplot2.org/0.9.2.1/stat_density2d.html)之后,我认为..level..可能不是这样。然后,我尝试了..density..有人将能够解释为什么您需要密度,同时我认为这是您想要的图形。

ggplot(data = df, aes(x = x, y = y)) +
stat_density2d(geom="tile", aes(fill = ..density..), contour = FALSE) +
geom_path() +
coord_equal(xlim=c(0,600),ylim=c(0,600)) +
expand_limits(x=c(0,600),y=c(0,600))

在此处输入图片说明

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

如何获取stats :: density中特定值的密度估计?

来自分类Dev

将内核密度估计值提取到R中的新采样点

来自分类Dev

如何估计2D GMM及其梯度的核密度估计?

来自分类Dev

从 R 中的 3D 核密度估计和提取点值

来自分类Dev

在核双变量密度估计图下计算体积

来自分类Dev

基于核密度估计的PDF近似优化计算时间

来自分类Dev

在核双变量密度估计图下计算体积

来自分类Dev

使用Python绘制2D内核密度估计图

来自分类Dev

如何使用sklearn在2D图像/阵列上获得内核密度估计器?

来自分类Dev

R中的密度估计

来自分类Dev

每日估计值

来自分类Dev

sm.density.compare():在一个图中显示多个密度估计

来自分类Dev

在python中实现基于FFT的2D内核密度估计器,并将其与SciPy实施方式进行比较

来自分类Dev

在numpy中创建密度估计

来自分类Dev

数据流的密度估计

来自分类Dev

如何整合核密度估计

来自分类Dev

R中的高斯核密度估计

来自分类Dev

R中的核密度估计器

来自分类Dev

在numpy中创建密度估计

来自分类Dev

从 sklearn 核密度估计中采样

来自分类Dev

使用 dask.bag.from_sequence 计算核密度估计

来自分类Dev

一张d3.js图表中的多个内核密度估计

来自分类Dev

“自动”使用PROC GLM计算参数估计值的线性组合

来自分类Dev

使用PROC GLM“自动”计算参数估计值的线性组合

来自分类Dev

用指数估计值填充空白

来自分类Dev

从曲线拟合估计值

来自分类Dev

Python中的多变量内核密度估计

来自分类Dev

Python中的多处理空间内核密度估计

来自分类Dev

如何使用scikit归一化内核密度估计?