r - 将具有第三个特征的大量点可视化为颜色 - 一种提高速度的方法

Question

我有一个相当大的数据集(大约 5e5 行)(x, y)具有附加功能的坐标 z .它是这样的:

x <- rnorm(1e6, 0, 5)
y <- rnorm(1e6, 0, 10)
dist <- sqrt(x^2 + y^2)
z <- exp(-(dist / 8)^2)

我想用 z 来绘制它们用作颜色美学的功能。但简单 geom_point这么大的数据集需要一段时间:

data.frame(x, y, z) %>% 
  ggplot() + geom_point(aes(x, y, color = z)) 

所以我想我需要一种以某种方式聚合积分的方法。一种方法是将一个平面划分为一些小方块并平均所有 z位于正方形中的点的值。但从长远来看，这可能有点麻烦，最好使用一些已经可用的工具。于是我想到了geom_hex作为在我的情况下看起来不错的几何图形。但是fill美学设置为 count作为默认值。所以我的问题是:

可以默认fill geom_hex 的值很容易改成平均值z特征？

如果没有，我如何创建六边形而不是正方形，以便 z值可以在六边形内取平均值然后绘制？

有没有其他方法可以提高绘制此类数据集的速度？

编辑:

建议解决方案的比较:

library(microbenchmark)
microbenchmark(
  'stat_summary_hex' = {data.frame(x, y, z) %>%                                                                                                   
    ggplot( aes(x, y, z=z )) + stat_summary_hex(fun = function(x) mean(x))},
  'round_and_group' = {data.frame(x, y, z) %>%                                                   
      mutate(x=round(x, 0), y=round(y, 0)) %>%                                  
      group_by(x,y) %>%                                                         
      summarize(z = mean(z)) %>%                                                
      ggplot() + geom_hex(aes(x, y, fill = z), stat="identity")}
)

Unit: milliseconds
             expr        min        lq       mean     median        uq        max neval
 stat_summary_hex   2.243791   2.38539   2.454039   2.426123   2.50871   2.963176   100
  round_and_group 183.785828 186.38851 188.296828 187.347476 189.10874 218.668487   100

Answer 1

也许它可以帮助stat_summary_hex() , 或 stat_summary_2d() .

它们类似于 stat_summary() ，数据被划分为 x和 y ，然后由 z 总结, 使用 stat_summary_hex() 中指定的函数(或 stat_summary_2d())。

library(tidyverse)
data.frame(x, y, z) %>%  
# here you can specify the function that welcomes the z parameter                                                                                              
ggplot( aes(x, y, z=z )) + stat_summary_hex(fun = function(x) mean(x))

它将回答您的第二个问题(十六进制)和您的第三个问题(正如您所说的，性能似乎没问题)，而不是使用 geom_hex() (因此似乎在 geom_hex() 和速度之间存在交易)。

编辑

看着你的问题，我用不同的值对函数进行了微基准测试:

Unit: milliseconds
  expr      min       lq     mean   median       uq       max neval
 3.5e5 205.0363 214.6925 236.8149 225.2286 238.6536  494.7897   100
   1e6 575.4861 597.4161 665.4396 620.9151 702.1622 1143.7011   100

此外，您还可以指定垃圾箱，以具有或多或少的“精确”十六进制。默认值应该是 30，这意味着它将在 30 * 30 六边形区域中绘制点:

data.frame(x, y, z) %>%                                                                                            
ggplot( aes(x, y, z=z )) + stat_summary_hex(fun = function(x) mean(x), bins = 60)

例如( here multiplot() 函数，如有必要):

set.seed(1)
x <- rnorm(1e4, 0, 5)                                                     
y <- rnorm(1e4, 0, 10)                                                    
dist <- sqrt(x^2 + y^2)                                                   
z <- exp(-(dist / 8)^2) 

library(tidyverse)

a1 <- data.frame(x, y, z) %>% 
      ggplot() + geom_point(aes(x, y, color = z)) 

b1 <- data.frame(x, y, z) %>%  
     ggplot( aes(x, y, z=z )) + stat_summary_hex(fun = function(x) mean(x))

c1 <- data.frame(x, y, z) %>%  
      ggplot( aes(x, y, z=z )) + stat_summary_hex(fun = function(x) mean(x), bins = 60)

multiplot(a1,b1,c1, cols = 3)

如您所见，添加的六边形越多，您就越接近原始点。

有数据:

x <- rnorm(1e4, 0, 5)                                                     
y <- rnorm(1e4, 0, 10)                                                    
dist <- sqrt(x^2 + y^2)                                                   
z <- exp(-(dist / 8)^2)