在六边形图上添加黄土回归线答案

【问题标题】：Adding loess regresion line on a hexbin plot在六边形图上添加黄土回归线
【发布时间】：2020-12-31 09:01:38
【问题描述】：

我一直在尝试寻找在六边形图上添加黄土回归线的方法。到目前为止，我没有任何成功...有什么建议吗？

我的代码如下：

bin<-hexbin(Dataset$a, Dataset$b, xbins=40)

plot(bin, main="Hexagonal Binning",
     xlab = "a", ylab = "b",
     type="l")

【问题讨论】：

标签： r scatter-plot loess

【解决方案1】：

我建议使用ggplot2 来构建情节。

由于您没有包含任何示例数据，因此我在下面的示例中使用了 palmerpenguins 包数据集。

library(palmerpenguins) # For the data
library(ggplot2)        # ggplot2 for plotting



ggplot(penguins, aes(x = body_mass_g, 
                     y = bill_length_mm)) + 
  geom_hex(bins = 40) + 
  geom_smooth(method = 'loess', se = F, color = 'red')

^{由reprex package (v0.3.0) 于 2021-01-05 创建}

【讨论】：

【解决方案2】：

我没有 base 解决方案，但可以使用 ggplot 来解决此问题。 base 也应该可以，但是如果您查看?hexbin 的文档，您可以看到引用：

请注意，在绘制 hexbin 对象时，使用的是 grid 包。您必须使用它的图形（或者如果您知道如何使用 package lattice 中的图形）来添加到此类图中。

我不熟悉如何修改这些。我确实尝试ggplotify 将基础转换为 ggplot 并以这种方式进行编辑，但无法将黄土线正确添加到绘图窗口中。

所以这里有一个ggplot 的解决方案，其中包含一些您可以在Datasets 上尝试的虚假数据：

library(hexbin) 
library(ggplot2) 

# fake data with a random walk, replace with your data
set.seed(100)
N <- 1000
x <- rnorm(N)
x <- sort(x)
y <- vector("numeric", length=N)
for(i in 2:N){
  y[i] <- y[i-1] + rnorm(1, sd=0.1)
}

# current method
# In documentation for ?hexbin it says:
# "You must use its graphics (or those from package lattice if you know how) to add to such plots."
(bin <- hexbin(x, y, xbins=40))
plot(bin)

# ggplot option. Can play around with scale_fill_gradient to
# get the colour scale similar or use other ggplot options
df <- data.frame(x=x, y=y)
d <- ggplot(df, aes(x, y)) + 
  geom_hex(bins=40) + 
  scale_fill_gradient(low = "grey90", high = "black") +
  theme_bw()
d

# easy to add a loess fit to the data
# span controls the degree of smoothing, decrease to make the line
# more "wiggly"
model <- loess(y~x, span=0.2)
fit <- predict(model)
loess_data <- data.frame(x=x, y=fit)
d + geom_line(data=loess_data, aes(x=x, y=y), col="darkorange",
              size=1.5)

【讨论】：

【解决方案3】：

这里有两个选项；您需要决定是要平滑原始数据还是合并数据。

library(hexbin)
library(grid)

# Some data
set.seed(101)
d <- data.frame(x=rnorm(1000))
d$y <- with(d, 2*x^3 + rnorm(1000))

方法 A - 合并数据

# plot hexbin & smoother : need to grab plot viewport
# From ?hexVP.loess : "Fit a loess line using the hexagon centers of mass 
# as the x and y coordinates and the cell counts as weights."
bin <- hexbin(d$x, d$y)
p <- plot(bin)
hexVP.loess(bin, hvp = p$plot.vp, span = 0.4, col = "red", n = 200)

方法 B - 原始数据

# calculate loess predictions outside plot on raw data
l = loess(y ~ x, data=d, span=0.4)
xp = with(d, seq(min(x), max(x), length=200))
yp = predict(l, xp)

# plot hexbin
bin <- hexbin(d$x, d$y)
p <- plot(bin)

# add loess line
pushHexport(p$plot.vp)
grid.lines(xp, yp, gp=gpar(col="red"), default.units = "native")
upViewport()

【讨论】：