stat_density2d - 这个传说是什么意思？

Question

我用 stat_density2d 在 R 中完成了一张地图。这是代码：

ggplot(data, aes(x=Lon, y=Lat)) + 
  stat_density2d(aes(fill = ..level..), alpha=0.5, geom="polygon",show.legend=FALSE)+
  geom_point(colour="red")+
  geom_path(data=map.df,aes(x=long, y=lat, group=group), colour="grey50")+
  scale_fill_gradientn(colours=rev(brewer.pal(7,"Spectral")))+
  xlim(-10,+2.5) +
  ylim(+47,+60) +
  coord_fixed(1.7) +
  theme_void()

它产生这个：

太棒了。有用。但是我不知道这个传说是什么意思。我确实找到了这个维基百科页面：

https://en.wikipedia.org/wiki/Multivariate_kernel_density_estimation

他们使用的示例（包含红色、橙色和黄色）表示：

The coloured contours correspond to the smallest region which contains the respective probability mass: red = 25%, orange + red = 50%, yellow + orange + red = 75%

但是，使用 stat_density2d，我的地图中有 11 个等高线。有谁知道 stat_density2d 的工作原理以及图例的含义？理想情况下，我希望能够说明红色轮廓包含 25% 的图等。

我读过这篇文章：https://ggplot2.tidyverse.org/reference/geom_density_2d.html，我仍然none更聪明。

Answer 1

让我们以 ggplot2 中的 faithful 为例：

ggplot(faithful, aes(x = eruptions, y = waiting)) +
  stat_density_2d(aes(fill = factor(stat(level))), geom = "polygon") +
  geom_point() +
  xlim(0.5, 6) +
  ylim(40, 110)

（提前致歉，没有把它做得更漂亮）

级别是 3D "mountains" 切片的高度。我不知道有什么方法（其他人可能会）将其转化为百分比，但我知道如何让你说出百分比。

如果我们查看该图表，级别 0.002 包含绝大多数点（除 2 点外）。 0.004 层实际上是 2 个多边形，它们包含除了 ~12 个点之外的所有点。如果我明白了你要问的要点，那就是你想知道的，除了不计算，而是给定级别的多边形所包含的点的百分比。使用涉及的各种 ggplot2 "stats" 的方法可以直接计算。

请注意，当我们导入 tidyverse 和 sp 包时，我们将使用其他一些完全限定的函数。现在，让我们稍微重塑 faithful 数据：

library(tidyverse)
library(sp)

xdf <- select(faithful, x = eruptions, y = waiting)

（更容易输入 x 和 y）

现在，我们将按照 ggplot2 的方式计算二维核密度估计：

h <- c(MASS::bandwidth.nrd(xdf$x), MASS::bandwidth.nrd(xdf$y))

dens <- MASS::kde2d(
  xdf$x, xdf$y, h = h, n = 100,
  lims = c(0.5, 6, 40, 110)
)

breaks <- pretty(range(zdf$z), 10)

zdf <- data.frame(expand.grid(x = dens$x, y = dens$y), z = as.vector(dens$z))

z <- tapply(zdf$z, zdf[c("x", "y")], identity)

cl <- grDevices::contourLines(
  x = sort(unique(dens$x)), y = sort(unique(dens$y)), z = dens$z,
  levels = breaks
)

我不会用 str() 输出来混淆答案，但看看那里发生的事情有点有趣。

我们可以使用空间运算来计算出有多少点落在给定的多边形内，然后我们可以将多边形分组在同一级别以提供每个级别的计数和百分比：

SpatialPolygons(
  lapply(1:length(cl), function(idx) {
    Polygons(
      srl = list(Polygon(
        matrix(c(cl[[idx]]$x, cl[[idx]]$y), nrow=length(cl[[idx]]$x), byrow=FALSE)
      )),
      ID = idx
    )
  })
) -> cont

coordinates(xdf) <- ~x+y

data_frame(
  ct = sapply(over(cont, geometry(xdf), returnList = TRUE), length),
  id = 1:length(ct),
  lvl = sapply(cl, function(x) x$level)
) %>% 
  count(lvl, wt=ct) %>% 
  mutate(
    pct = n/length(xdf),
    pct_lab = sprintf("%s of the points fall within this level", scales::percent(pct))
  )
## # A tibble: 12 x 4
##      lvl     n    pct pct_lab                              
##    <dbl> <int>  <dbl> <chr>                                
##  1 0.002   270 0.993  99.3% of the points fall within this level
##  2 0.004   259 0.952  95.2% of the points fall within this level
##  3 0.006   249 0.915  91.5% of the points fall within this level
##  4 0.008   232 0.853  85.3% of the points fall within this level
##  5 0.01    206 0.757  75.7% of the points fall within this level
##  6 0.012   175 0.643  64.3% of the points fall within this level
##  7 0.014   145 0.533  53.3% of the points fall within this level
##  8 0.016    94 0.346  34.6% of the points fall within this level
##  9 0.018    81 0.298  29.8% of the points fall within this level
## 10 0.02     60 0.221  22.1% of the points fall within this level
## 11 0.022    43 0.158  15.8% of the points fall within this level
## 12 0.024    13 0.0478  4.8% of the points fall within this level

我把它拼出来只是为了避免废话，但百分比会根据你如何修改密度计算的各种参数而改变（我的 ggalt::geom_bkde2d() 使用不同的估算器也是如此）。

如果有一种方法可以在不重新执行计算的情况下梳理出百分比，那么最好的方法就是让其他 SO R 人员展示他们比写这个答案的人聪明多少（希望以比最近的模式更外交的方式）。

stat_density2d - 这个传说是什么意思？

stat_density2d - What does the legend mean?

r

stat-density2d