在 R 散点图中插入新矩阵
Insert new matrix in the R scatterplot
我想在我的散点图中插入来自另一个矩阵的新坐标。我正在使用 fviz_cluster 函数为集群生成图表。我想在我的图表中插入称为质心的矩阵坐标，因为它们是安装粪肥堆肥机的每个集群的最佳坐标。我只能为属性生成散点图，如附件所示。代码如下：
> library(readxl)
> df <- read_excel('C:/Users/testbase.xlsx') #matrix containing waste production, latitude and longitude
> dim (df)
[1] 19 3
> d<-dist(df)
> fit.average<-hclust(d,method="average")
> clusters<-cutree(fit.average, k=6)
> df$cluster <- clusters # inserting column with determination of clusters
> df
Latitude Longitude Waste cluster
<dbl> <dbl> <dbl> <int>
1 -23.8 -49.6 526. 1
2 -23.8 -49.6 350. 2
3 -23.9 -49.6 526. 1
4 -23.9 -49.6 469. 3
5 -23.9 -49.6 285. 4
6 -23.9 -49.6 175. 5
7 -23.9 -49.6 175. 5
8 -23.9 -49.6 350. 2
9 -23.9 -49.6 350. 2
10 -23.9 -49.6 175. 5
11 -23.9 -49.7 350. 2
12 -23.9 -49.7 175. 5
13 -23.9 -49.7 175. 5
14 -23.9 -49.7 364. 2
15 -23.9 -49.7 175. 5
16 -23.9 -49.6 175. 5
17 -23.9 -49.6 350. 2
18 -23.9 -49.6 45.5 6
19 -23.9 -49.6 54.6 6
> ########Generate scatterplot
> library(factoextra)
> fviz_cluster(list(data = df, cluster = clusters))
>
>
> ##Center of mass, best location of each cluster for installation of manure composting machine
> center_mass<-matrix(nrow=6,ncol=2)
> for(i in 1:6){
+ center_mass[i,]<-c(weighted.mean(subset(df,cluster==i)$Latitude,subset(df,cluster==i)$Waste),
+ weighted.mean(subset(df,cluster==i)$Longitude,subset(df,cluster==i)$Waste))}
> center_mass<-cbind(center_mass,matrix(c(1:6),ncol=1)) #including the index of the clusters
> head (center_mass)
[,1] [,2] [,3]
[1,] -23.85075 -49.61419 1
[2,] -23.86098 -49.64558 2
[3,] -23.86075 -49.61350 3
[4,] -23.86658 -49.61991 4
[5,] -23.86757 -49.63968 5
[6,] -23.89749 -49.62372 6
新建散点图
考虑经度和纬度的散点图
vars = c("Longitude", "Latitude")
gg <- fviz_cluster(list(df, cluster = dfcluster), choose.var=vars)
gg
由于 fviz_cluster() 函数 returns 一个 ggplot 对象，您应该能够像使用 ggplot().[=25= 一样向绘图添加新点]
这是一个使用模拟数据的示例，我只使用 ggplot2 包中的函数（因为我没有安装 factoextra 包）。
# Dataset with all the points (it's your df data frame)
df <- data.frame(x=1:10, y=1:10)
# Dataset with two "center" points to add to the df points (it's your center_mass matrix)
dc <- data.frame(x=c(2.5, 7.5), y=c(2.5, 7.5))
# ggplot with the initial plot of the df points (it mimics the result from fviz_cluster())
# Note that the plot is not yet shown, it's simply stored in the gg variable
gg <- ggplot() + geom_point(data=df, mapping=aes(x,y))
# Create the plot by adding the center points to the above ggplot as larger red points
gg + geom_point(data=dc, mapping=aes(x,y), color="red", size=3)
产生：
在你的情况下你应该：
- 替换行：
fviz_cluster(list(data = df, cluster = clusters))
与：
gg <- fviz_cluster(list(data = df, cluster = clusters))
- 将
center_mass 矩阵转换为数据框（通过简单地使用 as.data.frame(center_mass)），然后将其传递给上面示例最后一行中的 geom_point() 调用，并分配适当的您可以在 geom_point() 的 mapping 选项中引用具有 colnames() 功能的列名。
让我知道这是否适合您！
这个答案显示了使用 factoextra 包的 fviz_cluster() 函数的解决方案，而不是我之前的答案中包含的模拟示例。
从 OP 发布的数据框开始，该数据框已经包含 hclust() 和 cutree() 找到的集群：
structure(list(Latitude = c(-23.8, -23.8, -23.9, -23.9, -23.9,
-23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9,
-23.9, -23.9, -23.9, -23.9, -23.9), Longitude = c(-49.6, -49.6,
-49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.7,
-49.7, -49.7, -49.7, -49.7, -49.6, -49.6, -49.6, -49.6), Waste = c(526,
350, 526, 469, 285, 175, 175, 350, 350, 175, 350, 175, 175, 364,
175, 175, 350, 45.5, 54.6), cluster = c(1L, 2L, 1L, 3L, 4L, 5L,
5L, 2L, 2L, 5L, 2L, 5L, 5L, 2L, 5L, 5L, 2L, 6L, 6L)), class = "data.frame",
row.names = c(NA, -19L))
我们首先使用 fviz_cluster():
生成集群图
library(factoextra)
# Analysis variables (used when computing the clusters)
vars = c("Latitude", "Longitude", "Waste")
# Initial plot showing the clusters on the first 2 PCs
gg <- fviz_cluster(list(data = df, cluster = df$cluster), choose.vars=vars)
gg
给出：
请注意，此图与 OP 显示的图 不同。原因是 OP 使用的代码使得 df 中存在的 cluster 变量被包含在主成分 的计算中基于。原因是 输入数据框中的所有变量都用于生成绘图 。
（这个结论是通过查看 fviz_cluster() 的源代码并在调试模式下 运行 得出的。）
现在我们计算每个簇的 Waste 加权中心以及每个簇的平均值 Waste（需要在下面将中心添加到图中）：
（请注意，代码现在已泛化为 any 找到的簇数）
# Number of clusters found
n_clusters = length( unique(df$cluster) )
# Waste-weighted cluster centers
center_mass <- matrix(nrow=n_clusters, ncol=2, dimnames=list(NULL, c("Latitude", "Longitude")))
for(i in 1:n_clusters) {
center_mass[i,] <- c(weighted.mean(subset(df,cluster==i)$Latitude,subset(df,cluster==i)$Waste),
weighted.mean(subset(df,cluster==i)$Longitude,subset(df,cluster==i)$Waste))
}
# We now compute the average Waste by cluster since,
# in order to add the centers to the fviz_cluster() plot
# we need the information for all three variables used
# in the clustering analysis and generation of the plot
center_mass_with_waste = cbind(center_mass, aggregate(Waste ~ cluster, mean, data=df))
head(center_mass_with_waste)
给出：
Latitude Longitude cluster Waste
1 -23.85000 -49.60000 1 526.0000
2 -23.88344 -49.63377 2 352.3333
3 -23.90000 -49.60000 3 469.0000
4 -23.90000 -49.60000 4 285.0000
5 -23.90000 -49.64286 5 175.0000
6 -23.90000 -49.60000 6 50.0500
现在开始最有趣的部分： 将加权中心添加到图中。由于绘图是在主成分轴上完成的，我们需要计算中心的主成分坐标。
这是通过运行对完整数据进行主成分分析 (PCA) 并将 PCA 轴旋转应用于中心坐标来实现的。 R的stats包中至少有两个函数可用于运行PCA：prcomp()和princomp()。首选方法是 prcomp()（因为它使用奇异值分解来执行特征分析，并使用通常的 N-1 作为方差的除数，而不是 [=30= 使用的 N ]).另外prcomp()是fviz_cluster()使用的函数。
因此：
# We first scale the analysis data as we will need the center and scale information
# to properly center and scale the weighted centers for plotting
# Note that proper PCA is always done on centered and scaled data
# in order to accommodate different variable scales and make variables comparable.
# in addition, this is what is done inside fviz_cluster().
X <- scale( df[,vars] )
# We run PCA on the scaled data
summary( pca <- prcomp(X, center=FALSE, scale=FALSE) )
给出：
Importance of components:
PC1 PC2 PC3
Standard deviation 1.2263 0.9509 0.7695
Proportion of Variance 0.5012 0.3014 0.1974
Cumulative Proportion 0.5012 0.8026 1.0000
观察前 2 个 PC 的解释方差比例与集群初始图中所示的一致，即：分别为 50.1% 和 30.1%。
我们现在对加权中心进行居中和缩放，使用对完整数据执行的相同中心和缩放操作（绘图需要）：
# We center and scale the weighted centers
# (based on the information stored in the attributes of X)
center_mass_with_waste_scaled = scale(center_mass_with_waste[, vars],
center=attr(X, "scaled:center"),
scale=attr(X, "scaled:scale"))
# We compute the PC coordinates for the centers
center_mass_with_waste_pcs = predict(pca, center_mass_with_waste[,vars])
最后，我们将 Waste 加权中心添加到图中（作为红色填充点），并将 Waste 值作为标签。这里我们区分分析变量的数量 (nvars) = 2 或 > 2，因为 fviz_cluster() 仅在 nvars > 2 时执行 PCA，在 nvars = 2 的情况下它只是缩放变量。
# And finally we add the points to the plot (as red filled points)
# distinguishing two cases, because fviz_cluster() does different things
# in each case (i.e. no PCA when nvars = 2, just scaling)
if (length(vars) > 2) {
# fviz_cluster() performs PCA and plots the first 2 PCs
# => use PC coordinates for the centers
gg + geom_point(data=as.data.frame(center_mass_with_waste_pcs),
mapping=aes(x=PC1, y=PC2),
color="red", size=3) +
geom_text(data=as.data.frame(pca$x),
mapping=aes(x=PC1, y=PC2, label=df$Waste),
size=2, hjust=-0.5)
} else {
# fviz_cluster() does NOT perform PCA; it simply plots the standardized variables
# => use standardized coordinates for the centers
# Get the names of the analysis variables as expressions (used in aes() below)
vars_expr = parse(text=vars)
gg + geom_point(data=as.data.frame(center_mass_with_waste_scaled),
mapping=aes(x=eval(vars_expr[1]), y=eval(vars_expr[2])),
color="red", size=3) +
geom_text(data=as.data.frame(X),
mapping=aes(x=eval(vars_expr[1]), y=eval(vars_expr[2]), label=df$Waste),
size=2, hjust=-0.5)
}
给出（当 nvars = 3 时）：
但是请注意，红点基本上与 fiz_cluster() 计算的原始聚类中心重合，这是因为 Latitude 和 Longitude 的 Waste 加权平均值几乎与它们各自的非加权平均值相同（此外，两种计算方法之间唯一略有不同的中心是集群 2 的中心——通过比较每个集群的加权平均值和未加权平均值可以看出（此处未完成））。
我想在我的散点图中插入来自另一个矩阵的新坐标。我正在使用 fviz_cluster 函数为集群生成图表。我想在我的图表中插入称为质心的矩阵坐标，因为它们是安装粪肥堆肥机的每个集群的最佳坐标。我只能为属性生成散点图，如附件所示。代码如下：
> library(readxl)
> df <- read_excel('C:/Users/testbase.xlsx') #matrix containing waste production, latitude and longitude
> dim (df)
[1] 19 3
> d<-dist(df)
> fit.average<-hclust(d,method="average")
> clusters<-cutree(fit.average, k=6)
> df$cluster <- clusters # inserting column with determination of clusters
> df
Latitude Longitude Waste cluster
<dbl> <dbl> <dbl> <int>
1 -23.8 -49.6 526. 1
2 -23.8 -49.6 350. 2
3 -23.9 -49.6 526. 1
4 -23.9 -49.6 469. 3
5 -23.9 -49.6 285. 4
6 -23.9 -49.6 175. 5
7 -23.9 -49.6 175. 5
8 -23.9 -49.6 350. 2
9 -23.9 -49.6 350. 2
10 -23.9 -49.6 175. 5
11 -23.9 -49.7 350. 2
12 -23.9 -49.7 175. 5
13 -23.9 -49.7 175. 5
14 -23.9 -49.7 364. 2
15 -23.9 -49.7 175. 5
16 -23.9 -49.6 175. 5
17 -23.9 -49.6 350. 2
18 -23.9 -49.6 45.5 6
19 -23.9 -49.6 54.6 6
> ########Generate scatterplot
> library(factoextra)
> fviz_cluster(list(data = df, cluster = clusters))
>
>
> ##Center of mass, best location of each cluster for installation of manure composting machine
> center_mass<-matrix(nrow=6,ncol=2)
> for(i in 1:6){
+ center_mass[i,]<-c(weighted.mean(subset(df,cluster==i)$Latitude,subset(df,cluster==i)$Waste),
+ weighted.mean(subset(df,cluster==i)$Longitude,subset(df,cluster==i)$Waste))}
> center_mass<-cbind(center_mass,matrix(c(1:6),ncol=1)) #including the index of the clusters
> head (center_mass)
[,1] [,2] [,3]
[1,] -23.85075 -49.61419 1
[2,] -23.86098 -49.64558 2
[3,] -23.86075 -49.61350 3
[4,] -23.86658 -49.61991 4
[5,] -23.86757 -49.63968 5
[6,] -23.89749 -49.62372 6
新建散点图
考虑经度和纬度的散点图
vars = c("Longitude", "Latitude")
gg <- fviz_cluster(list(df, cluster = dfcluster), choose.var=vars)
gg
由于 fviz_cluster() 函数 returns 一个 ggplot 对象，您应该能够像使用 ggplot().[=25= 一样向绘图添加新点]
这是一个使用模拟数据的示例，我只使用 ggplot2 包中的函数（因为我没有安装 factoextra 包）。
# Dataset with all the points (it's your df data frame)
df <- data.frame(x=1:10, y=1:10)
# Dataset with two "center" points to add to the df points (it's your center_mass matrix)
dc <- data.frame(x=c(2.5, 7.5), y=c(2.5, 7.5))
# ggplot with the initial plot of the df points (it mimics the result from fviz_cluster())
# Note that the plot is not yet shown, it's simply stored in the gg variable
gg <- ggplot() + geom_point(data=df, mapping=aes(x,y))
# Create the plot by adding the center points to the above ggplot as larger red points
gg + geom_point(data=dc, mapping=aes(x,y), color="red", size=3)
产生：
在你的情况下你应该：
- 替换行：
fviz_cluster(list(data = df, cluster = clusters))
与：
gg <- fviz_cluster(list(data = df, cluster = clusters)) - 将
center_mass矩阵转换为数据框（通过简单地使用as.data.frame(center_mass)），然后将其传递给上面示例最后一行中的geom_point()调用，并分配适当的您可以在geom_point()的mapping选项中引用具有colnames()功能的列名。
让我知道这是否适合您！
这个答案显示了使用 factoextra 包的 fviz_cluster() 函数的解决方案，而不是我之前的答案中包含的模拟示例。
从 OP 发布的数据框开始，该数据框已经包含 hclust() 和 cutree() 找到的集群：
structure(list(Latitude = c(-23.8, -23.8, -23.9, -23.9, -23.9,
-23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9,
-23.9, -23.9, -23.9, -23.9, -23.9), Longitude = c(-49.6, -49.6,
-49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.7,
-49.7, -49.7, -49.7, -49.7, -49.6, -49.6, -49.6, -49.6), Waste = c(526,
350, 526, 469, 285, 175, 175, 350, 350, 175, 350, 175, 175, 364,
175, 175, 350, 45.5, 54.6), cluster = c(1L, 2L, 1L, 3L, 4L, 5L,
5L, 2L, 2L, 5L, 2L, 5L, 5L, 2L, 5L, 5L, 2L, 6L, 6L)), class = "data.frame",
row.names = c(NA, -19L))
我们首先使用 fviz_cluster():
library(factoextra)
# Analysis variables (used when computing the clusters)
vars = c("Latitude", "Longitude", "Waste")
# Initial plot showing the clusters on the first 2 PCs
gg <- fviz_cluster(list(data = df, cluster = df$cluster), choose.vars=vars)
gg
给出：
请注意，此图与 OP 显示的图 不同。原因是 OP 使用的代码使得 df 中存在的 cluster 变量被包含在主成分 的计算中基于。原因是 输入数据框中的所有变量都用于生成绘图 。
（这个结论是通过查看 fviz_cluster() 的源代码并在调试模式下 运行 得出的。）
现在我们计算每个簇的 Waste 加权中心以及每个簇的平均值 Waste（需要在下面将中心添加到图中）：
（请注意，代码现在已泛化为 any 找到的簇数）
# Number of clusters found
n_clusters = length( unique(df$cluster) )
# Waste-weighted cluster centers
center_mass <- matrix(nrow=n_clusters, ncol=2, dimnames=list(NULL, c("Latitude", "Longitude")))
for(i in 1:n_clusters) {
center_mass[i,] <- c(weighted.mean(subset(df,cluster==i)$Latitude,subset(df,cluster==i)$Waste),
weighted.mean(subset(df,cluster==i)$Longitude,subset(df,cluster==i)$Waste))
}
# We now compute the average Waste by cluster since,
# in order to add the centers to the fviz_cluster() plot
# we need the information for all three variables used
# in the clustering analysis and generation of the plot
center_mass_with_waste = cbind(center_mass, aggregate(Waste ~ cluster, mean, data=df))
head(center_mass_with_waste)
给出：
Latitude Longitude cluster Waste
1 -23.85000 -49.60000 1 526.0000
2 -23.88344 -49.63377 2 352.3333
3 -23.90000 -49.60000 3 469.0000
4 -23.90000 -49.60000 4 285.0000
5 -23.90000 -49.64286 5 175.0000
6 -23.90000 -49.60000 6 50.0500
现在开始最有趣的部分： 将加权中心添加到图中。由于绘图是在主成分轴上完成的，我们需要计算中心的主成分坐标。
这是通过运行对完整数据进行主成分分析 (PCA) 并将 PCA 轴旋转应用于中心坐标来实现的。 R的stats包中至少有两个函数可用于运行PCA：prcomp()和princomp()。首选方法是 prcomp()（因为它使用奇异值分解来执行特征分析，并使用通常的 N-1 作为方差的除数，而不是 [=30= 使用的 N ]).另外prcomp()是fviz_cluster()使用的函数。
因此：
# We first scale the analysis data as we will need the center and scale information
# to properly center and scale the weighted centers for plotting
# Note that proper PCA is always done on centered and scaled data
# in order to accommodate different variable scales and make variables comparable.
# in addition, this is what is done inside fviz_cluster().
X <- scale( df[,vars] )
# We run PCA on the scaled data
summary( pca <- prcomp(X, center=FALSE, scale=FALSE) )
给出：
Importance of components:
PC1 PC2 PC3
Standard deviation 1.2263 0.9509 0.7695
Proportion of Variance 0.5012 0.3014 0.1974
Cumulative Proportion 0.5012 0.8026 1.0000
观察前 2 个 PC 的解释方差比例与集群初始图中所示的一致，即：分别为 50.1% 和 30.1%。
我们现在对加权中心进行居中和缩放，使用对完整数据执行的相同中心和缩放操作（绘图需要）：
# We center and scale the weighted centers
# (based on the information stored in the attributes of X)
center_mass_with_waste_scaled = scale(center_mass_with_waste[, vars],
center=attr(X, "scaled:center"),
scale=attr(X, "scaled:scale"))
# We compute the PC coordinates for the centers
center_mass_with_waste_pcs = predict(pca, center_mass_with_waste[,vars])
最后，我们将 Waste 加权中心添加到图中（作为红色填充点），并将 Waste 值作为标签。这里我们区分分析变量的数量 (nvars) = 2 或 > 2，因为 fviz_cluster() 仅在 nvars > 2 时执行 PCA，在 nvars = 2 的情况下它只是缩放变量。
# And finally we add the points to the plot (as red filled points)
# distinguishing two cases, because fviz_cluster() does different things
# in each case (i.e. no PCA when nvars = 2, just scaling)
if (length(vars) > 2) {
# fviz_cluster() performs PCA and plots the first 2 PCs
# => use PC coordinates for the centers
gg + geom_point(data=as.data.frame(center_mass_with_waste_pcs),
mapping=aes(x=PC1, y=PC2),
color="red", size=3) +
geom_text(data=as.data.frame(pca$x),
mapping=aes(x=PC1, y=PC2, label=df$Waste),
size=2, hjust=-0.5)
} else {
# fviz_cluster() does NOT perform PCA; it simply plots the standardized variables
# => use standardized coordinates for the centers
# Get the names of the analysis variables as expressions (used in aes() below)
vars_expr = parse(text=vars)
gg + geom_point(data=as.data.frame(center_mass_with_waste_scaled),
mapping=aes(x=eval(vars_expr[1]), y=eval(vars_expr[2])),
color="red", size=3) +
geom_text(data=as.data.frame(X),
mapping=aes(x=eval(vars_expr[1]), y=eval(vars_expr[2]), label=df$Waste),
size=2, hjust=-0.5)
}
给出（当 nvars = 3 时）：
但是请注意，红点基本上与 fiz_cluster() 计算的原始聚类中心重合，这是因为 Latitude 和 Longitude 的 Waste 加权平均值几乎与它们各自的非加权平均值相同（此外，两种计算方法之间唯一略有不同的中心是集群 2 的中心——通过比较每个集群的加权平均值和未加权平均值可以看出（此处未完成））。