在 R 中随时间绘制概率密度热图

Question

假设我有一个变量在几次不同迭代（想想数百万次）后的蒙特卡洛模拟输出。对于每次迭代，我都有每个时间点的变量值（从 t=1 到 t=365）。

我想制作以下情节：对于 x 轴上的每个时间点 t 和给定范围内的每个可能值 "y"，将 x,y 的颜色设置为 "k"，其中 "k" 是在距离 "d" 到 x,y.

附近有多少观测值

我知道你可以很容易地为一维数据制作密度热图，但是有没有一个好的包可以在二维上做这个？我必须使用克里金法吗？

编辑：数据结构目前是一个矩阵。

                                     data matrix

                                      day number
             [,1]    [,2]         [,3]      [,4]       [,5]      ... [,365]
iteration    [1,]    0.000213   0.001218    0.000151   0.000108  ... 0.000101
             [2,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [3,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [4,]    0.000171   0.000155    0.000141   0.000219  ... 0.000201
              .
              .
              .
     [100000000,]    0.000141   0.000148    0.000144   0.000226  ... 0.000188

我想，对于每个 "day" 像素运行垂直穿过 "day" 以颜色表示当天迭代值的概率密度。结果应该看起来像热图。

Answer 1

这是我认为您所追求的一种解决方案。

生成数据。

myData <- mapply(rnorm, 1000, 200, mean=seq(-50,50,0.5))

这是一个包含 1000 行（观察值）和 201 个时间点的矩阵。在每个时间点，数据的平均值从 -50 逐渐变化到 50。每次变化 0.5。

获取密度。

myDensities <- apply(myData, 2, density, from=-500, to=500)

这将为您提供每列的密度列表。为了让它们可以并排绘制，我们手动指定了范围（从 -500 到 500）。

从列表中获取密度值。

Ys <- sapply(myDensities, "[", "y")

这又是一个列表。你需要从中得到一个矩阵。

从列表中获取矩阵。

img <- do.call(cbind, Ys)

这只是按列组合了所有 Ys 个元素。

情节。

filled.contour(x=1:ncol(img), y=myDensities[[1]]$x, t(img))

我为此使用 filled.contour。但您可以四处寻找其他二维绘图函数。我还使用了从密度 D[[1]]$x.

获得的值

结果如下：

可见从 -50 到 50 的变化。

不确定这是否适用于数百万个时间点。但是绘制百万可能没有什么意义，因为在任何情况下你都会受到像素数量的限制。可能需要某种预处理。

在 R 中随时间绘制概率密度热图

Plotting Probability Density Heatmap Over Time in R

r

plot

time-series

heatmap

kriging