如何使用ggplot2合并不同颜色通道中的图

Question

以下代码绘制了price作为2d binning carat和depth使用2d binning 的函数的菱形。

library(ggplot2)
data(diamonds)
gp <- ggplot(diamonds,aes(x=carat,y=depth,z=price))
gp <- gp +stat_summary_2d()
gp

我现在想不仅代表价格，还代表另一个连续变量，例如x，另一个颜色通道。因此，蓝色的强度会给我，price而红色的强度会给我x（以及可能会在绿色通道中编码的第三个变量）。

实现此目标的最佳方法是什么？我是否必须手动对数据进行分类，计算汇总并绘制结果栅格，还是有一种更快的方法？

还是可以使用该z值在三个不同的图上执行此操作，然后通过将每个图分配给不同的颜色通道来合并它们？

更新 对于一个更明确的示例，以下代码生成三个图（请参见下文）。我想将它们合并为一个图，每个图与一个颜色通道相关联，这样我在一个图中将有一个红色斑点，一个绿色斑点和一个蓝色博客。

library(ggplot2)
n <- 10000
cx <- c(-1, 0, 1)
cy <- c(0,1,-1)
x <- rnorm(n,0,1)
y <- rnorm(n,0,1)
v <- list()
v <- lapply(seq(3),function(i)dnorm(x,cx[i],0.5)*dnorm(y,cy[i],0.5))
data <- data.frame(x,y,v1=v[[1]]/max(v[[1]]),v2=v[[2]/max(v[[2]]), v3=v[[3]]/max(v[[3]]))
gp1 <- ggplot(data, aes(x=x,y=y,z=v1)) + stat_summary_2d() + scale_colour_identity()
gp2 <- ggplot(data, aes(x=x,y=y,z=v2)) + stat_summary_2d() + scale_colour_identity()
gp3 <- ggplot(data, aes(x=x,y=y,z=v3)) + stat_summary_2d()+ scale_colour_identity()

Answer 1

利用该layer_data()函数，我们可以获取在图层上计算的任何值，然后按需使用它。假设您的示例中已经包含了三个图；gp1，gp2和gp3。

让我们将十六进制转换之前的颜色值保存在新的data.frame中：

cols <- data.frame(r = layer_data(gp1)$value,
                   g = layer_data(gp2)$value,
                   b = layer_data(gp3)$value)

由于这些是计算的密度，因此最好先将它们重新缩放为[0,1]以内，然后再将它们转换为彩色六色表示法：

cols <- apply(cols, 2, scales::rescale)
cols <- rgb(cols[,1], cols[,2], cols[,3])

现在，由于每个图之间的x和y数据相同，因此我们只需从其中一个图上获取xy坐标，然后将其与我们的新颜色组合即可：

newdata <- cbind(layer_data(gp1)[,c("x","y")], cols)

因为我们的颜色已经是ggplot可以理解为颜色的格式，所以我们将使用scale_fill_identity()来绘制该颜色：

ggplot(newdata, aes(x, y, fill = cols)) +
  geom_raster() +
  scale_fill_identity()

为我带来了以下内容：

另外，我们还可以将每个颜色通道绘制为一层并将alpha其混合使用：

cols <- data.frame(r = layer_data(gp1)$value,
                   g = layer_data(gp2)$value,
                   b = layer_data(gp3)$value)
newdata <- cbind(layer_data(gp1)[,c("x","y")], cols)

ggplot(newdata, aes(x, y)) +
  geom_raster(aes(alpha = r), fill = "red") +
  geom_raster(aes(alpha = g), fill = "green") +
  geom_raster(aes(alpha = b), fill = "blue")

这给了我以下几点：

但是，请记住，添加图层的顺序将影响绘图的外观。以我为例，蓝色排在最后，因此所有其他值上都有蓝色光泽。

编辑：可以通过添加大致删除光泽scale_alpha_continuous(range = c(0,1))。生成的图看起来很像下一种方法，但是没有将红色和绿色混合为亮黄色，我认为这是更现实的。但是，无法再估计数据的范围！（结束编辑）

避免主要颜色光泽的alpha策略的另一种方法是将rgb值映射到hsv空间，保持“ v”恒定，并将alpha设置为行总和：

cols <- data.frame(r = layer_data(gp1)$value,
                   g = layer_data(gp2)$value,
                   b = layer_data(gp3)$value)
cols <- apply(cols, 2, scales::rescale)
hsv <- t(rgb2hsv(cols[,1], cols[,2], cols[,3]))
hsv <- hsv(h = hsv[,1], s = hsv[,2], v = 1, alpha = scales::rescale(rowMeans(cols)))

newdata <- cbind(layer_data(gp1)[,c("x","y")], hsv)

ggplot(newdata, aes(x, y, fill = hsv)) +
  geom_raster() +
  scale_fill_identity()

但是，您可以使用该方法问自己一个问题，您认为红色和绿色位之间的黄色位表示数据的准确性如何？另外，由于我们不再具有背景形状，因此我们无法再看到数据的范围。

请注意，并非每种导出方法都支持使用颜色的alpha值。

编辑：很遗憾，我不知道优美的图例解决方案，如果有人这样做，请告诉我！