具有双变量密度重叠等高线图的散点图矩阵卡在格子 r 中

Question

我正在使用 lattice 创建一个散点图矩阵，其中包含双变量核密度函数的重叠等高线图。以下代码给出了一个奇怪的行为，其中等高线图仅部分绘制，从底部开始并在顶部被切断。抽取多少取决于 MASS::kde2d 中 n 的值。

library(lattice)
library(MASS)

splom(iris, upper.panel = function(x, y, ...) {
  if(is.numeric(x) & is.numeric(y)){

    # calculate bivariate kernel density 
    f1 <- kde2d(x = x, y = y, n = 20) #, lims = c(0, 10 ,0, 10))

    f <- data.frame(x = f1$x, y = rep(f1$y, each = length(f1$x)), 
                    z = as.vector(f1$z))

    panel.contourplot(x = f$x, y = f$y, z = f$z,  
                      contour = TRUE, ...)
    }
    panel.xyplot(x, y, ...)
  })

查看和打印中间值的摘要似乎表明函数的行为符合预期，并且给出的值在预期范围内。知道发生了什么事吗？

Answer 1

好的，结果是 ... 将旧的下标参数传递给了新的面板函数。由于 iris 数据有 25*25 = 125 个下标，panel.contourplot 仅考虑其 x、y 和 z 参数的前 125 个元素.以下内容将解决这个问题。

splom(iris, upper.panel = function(x, y, subscripts, ...) {
  if(is.numeric(x) & is.numeric(y)){

    # calculate bivariate kernel density 
    v <- current.panel.limits() # allows full bleed by setting limits explicitly
    f1 <- kde2d(x = x, y = y, n = 50, lims = c(v$xlim, v$ylim))

    f <- data.frame(x = f1$x, y = rep(f1$y, each = length(f1$x)), 
                    z = as.vector(f1$z))
    panel.contourplot(f$x, f$y, f$z, contour = TRUE, 
                      subscripts = 1:dim(f)[1], ...)
  }
  panel.xyplot(x, y, subscripts = subscripts, ...)
})

当我们这样做的时候，我加入了一些代码来让 levelplot 占据整个面板，而不是在边缘周围出现令人讨厌的白色边框。好多了！

具有双变量密度重叠等高线图的散点图矩阵卡在格子 r 中

scatterplot matrix with overlaid contourplot of bivariate density gets stuck in lattice r

r

scatter-plot

density-plot