使用latticeExtra中的levelplot函数进行二维平滑的热图

Question

我一直在尝试使用这里中的代码重现这个情节

我最后的尝试让我非常接近，但我找不到合适的方法来使图表看起来像我想要的。

在我的数据中，z 是在 x 和 y 条件下进行模拟的数值结果，我想映射该关系，就像您可以简单地通过散点图所做的那样，但更漂亮。

我的 df 相当大，但它有这个方面：

• x -> 连续变量，范围为 120 - 300
• y -> 连续变量，范围为 0.2 - 1.8
• z -> 连续变量，范围从 -0.0001 到 3000

这是我用此代码生成的第一次尝试

levelplot(z ~ x * y, 
          data, 
          panel = panel.levelplot.points, 
          cex = 0.7,
          col.regions = rocket(25, alpha = .8, direction = -1),
          colorkey = list(at = (breaks = c(1, 20, 50, 150, 500, Inf))),
          scales = list(x=list(at = c(120, 140, 160, 180, 200, 220, 240, 260, 280, 299))),
          xlab = "x", 
          ylab = "y"
) + 
  layer_(panel.2dsmoother(..., n = 100))

问题是，虽然点可以公平地表示我的数据，但 2d 层却不是。我想特别强调

=1 之间的差异，所以我的中断从 1 开始，其余的将是取决于不同实验的 z 值的比例（这个达到超过 3000，其他最多 30）<1 and >

我还尝试分离这两个图表，您可以查看

散点图 和 2dSmooth 面板。这是两者的代码：

## Scatter
levelplot(z ~ x * y, 
          data,
          panel = panel.levelplot.points, 
          cex = 0.7,
          at = c(-Inf, 1, 30, 100, 500, Inf),   
          col.regions = rocket(25, alpha = .8, direction = -1),
          colorkey = list(
            labels = c("", "1", "30", "100", "500", "")
          ),
          scales = list(x=list(at = c(120, 140, 160, 180, 200, 220, 240, 260, 280, 299))),
          xlab = "x", 
          ylab = "y" ) 

## 2dSmooth
levelplot(z ~ x * y, 
          data,
          panel = panel.2dsmoother,
          n = 200, 
          cuts = 5,
          col.regions = rocket(25, alpha = .8, direction = -1),
          colorkey = T,
          scales = list(x=list(at = c(120, 140, 160, 180, 200, 220, 240, 260, 280, 299))),
          xlab = "x", 
          ylab = "y"
) 

注意我在使用 CUT 和 AT 时遇到问题。

当我将 AT 参数传递给 2dSmooth 图时，结果是

荒谬，我不知道为什么。

但是，2dSmooth 图的 CUT 结果是足够的，问题是我无法标记它们，因为我不知道函数所采取的限制。如果有一种方法可以正确标记该图，那就是了。否则，我需要将两者结合起来。

知道我哪里搞砸了吗？
是否有可能使用其他库完成我的 2dsmooth 图？到目前为止，我还没有发现任何类似于 levelplot() 和 panel.2dsmoother

谢谢您的帮助

Answer 1

您的问题似乎与您的数据非常具体，因此在无法访问数据的情况下很难回答。但一般来说，

• 我有点惊讶你的 2dSmooth 图得到了一组不同的切点，因为当你不指定

  at

   时，默认值应该只取决于数据（保持不变）而不是在面板功能上。我不确定发生了什么。

• panel.2dsmoother()

   基本上只是将回归曲面拟合到您的数据，默认情况下使用 

  loess()

  。如果您的目标是通过将 

  at

   值调整为拟合曲面而不是数据来消除“异常值”的影响，则需要在外部执行此操作。您可以模仿 

  panel.2dsmoother()

   的代码来执行此操作，例如，

n <-  100
mod <- loess(z ~ x * y, data)
xseq <- seq(120, 300, length = n)
yseq <- seq(0.2, 1.8, length = n)
grid <- expand.grid(x = xseq, y = yseq)
fit <- predict(mod, grid)

您现在可以使用标准

levelplot()

 调用来可视化该表面，使用

(p <- levelplot(fit ~ x + y, grid)) 和相应的

at

值应该大致为

do.breaks(range(fit), 5) 您可以使用

获得准确的值

trellis.panelArgs(p, 1)$at