在凹凸图中使用曲线

Question

我正在尝试制作一个颠簸图表（类似于 parallel coordinates，但具有有序的 x 轴）以显示随时间变化的排名。我可以很容易地制作直线图：

library(ggplot2)
set.seed(47)

df <- as.data.frame(as.table(replicate(8, sample(4))), responseName = 'rank')
df$Var2 <- as.integer(df$Var2)

head(df)
#>   Var1 Var2 rank
#> 1    A    1    4
#> 2    B    1    2
#> 3    C    1    3
#> 4    D    1    1
#> 5    A    2    3
#> 6    B    2    4

ggplot(df, aes(Var2, rank, color = Var1)) + geom_line() + geom_point()

太棒了。不过，现在我想让连接线弯曲。尽管每个 x 的 y 永远不会超过一个，geom_smooth 提供了一些可能性。 loess 似乎应该可以工作，因为它可以忽略最近的点以外的点。然而，即使调整了我能得到的最好的结果，我仍然遗漏了很多点并且超过了其他应该平坦的点：

ggplot(df, aes(Var2, rank, color = Var1)) + 
    geom_smooth(method = 'loess', span = .7, se = FALSE) + 
    geom_point()

我已经尝试了一些其他的样条曲线，比如 ggalt::geom_xspline，但它们仍然过冲或错过了点：

ggplot(df, aes(Var2, rank, color = Var1)) + ggalt::geom_xspline() + geom_point()

有没有简单的方法来弯曲这些线？我需要构建自己的 S 形样条曲线吗？为了澄清，我正在寻找类似 D3.js's d3.curveMonotoneX 的东西，它命中每个点并且其局部最大值和最小值不超过 y 值：

理想情况下，每个点的斜率也可能为 0，但这并非绝对必要。

Answer 1

将 signal::pchip 与 X 值网格一起使用是可行的，至少在您使用数字轴的示例中是这样。适当的 geom_ 会很好，但是嘿...

library(tidyverse)
library(signal)
set.seed(47)

df <- as.data.frame(as.table(replicate(8, sample(4))), responseName = 'rank')
df$Var2 <- as.integer(df$Var2)

head(df)
#>   Var1 Var2 rank
#> 1    A    1    4
#> 2    B    1    2
#> 3    C    1    3
#> 4    D    1    1
#> 5    A    2    3
#> 6    B    2    4

ggplot(df, aes(Var2, rank, color = Var1)) +
  geom_line(data = df %>%
              group_by(Var1) %>%
              do({
                tibble(Var2 = seq(min(.$Var2), max(.$Var2),length.out=100),
                       rank = pchip(.$Var2, .$rank, Var2))
              })) +
  geom_point()

结果：

Answer 2

基于 Henrik 的回答，这总结了 pchip（我在这里使用 pracma 中的那个，但结果是一样的）所以它可以更容易地与现有的平滑方法一起使用:

ggpchip = function(formula, data, weights) structure(pracma::pchipfun(data$x, data$y), class='ggpchip')
predict.ggpchip = function(object, newdata, se.fit=F, ...) {
  fit = unclass(object)(newdata$x)
  if (se.fit) list(fit=data.frame(fit, lwr=fit, upr=fit), se.fit=fit * 0) else fit
}

那么实际的 ggplot 调用就很简单了：

ggplot(df, aes(Var2, rank, color=Var1)) + geom_smooth(method='ggpchip', se=F) + geom_point()

然后您可以使用 pchip 平滑其他几何图形，例如面积图：

ggplot(df, aes(Var2, rank, fill=Var1)) + stat_smooth(method='ggpchip', geom='area', position='fill')

在凹凸图中使用曲线

Use curved lines in bumps chart

r

ggplot2

spline