在ggplot2中反向重叠alpha值答案

【问题标题】：Reverse overplotting alpha value in ggplot2在ggplot2中反向重叠alpha值
【发布时间】：2016-12-31 17:22:39
【问题描述】：

ggplot2 中的 alpha 值通常用于帮助在 R 中进行过度绘图。较深的颜色表示有很多观察值的区域，而较浅的颜色表示只有少数观察值的区域。有可能扭转这种局面吗？那么，异常值（通常很少观察）被强调为更暗，而大多数数据（通常有很多观察）被强调为更亮？

下面是 MWE：

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

远离中心 (0,0) 的更罕见的观测值更轻。我怎样才能扭转它？感谢您的任何想法。

【问题讨论】：

根据您的具体要求，您可以考虑geom_density_2d。参见例如倒数第二个示例，以及scale_fill_gradient，您可以在其中设置您选择的low 和high 颜色。

标签： r ggplot2 alpha

【解决方案1】：

您可以尝试分别设置每个点的 alpha 值，使不透明度从中心进一步增加。像这样的

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)

【讨论】：

【解决方案2】：

尝试使用距质心的马氏距离作为异常值（分数较高的可以分配较暗的颜色，而不是使用 alpha 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')

【讨论】：