标签: density-plot

我正在尝试为x,y点列表生成密度图,每个点都与给定的密度值相关联.看到这张图片,看看我在追求什么.

我尝试在这个答案中应用Joe Kington编写的代码,但它返回错误.numpy.linalg.linalg.LinAlgError: singular matrix

这是MWE我的代码(Joe的代码基本相同,只更改了数据数组):

import numpy as np
import matplotlib.pyplot as plt
import scipy.interpolate

x = np.array([0.005, 0.018, 0.008, 0.015, 0.016, 0.0135, 0.0155, 0.0155, 0.0105, 0.005, 0.0125, 0.0185, 0.0095, 0.003, 0.019, 0.0175, 0.0165, 0.011, 0.007, 0.0195, 0.017, 0.011, 0.0125, 0.0165, 0.0045, 0.0145, 0.02, 0.0185, 0.001, 0.015, 0.0105, 0.016, 0.0185, 0.0035, 0.0025, 0.0015, 0.0055, 0.0185, 0.005, 0.0135, 0.0175, 0.0095, 0.0095, 0.0115, 0.0025, 0.0105, 0.0015, 0.0045, 0.011, 0.009, 0.0045, …

我已经探索了有关该主题的类似问题，但是在直方图上生成漂亮曲线时遇到了一些麻烦。我知道有些人可能会认为这是重复的，但我目前还没有找到任何可以帮助解决我的问题的东西。

虽然数据在这里不可见，但这里有一些我正在使用的变量，以便您可以在下面的代码中看到它们代表什么。

Differences <- subset(Score_Differences, select = Difference, drop = T)
m = mean(Differences)
std = sqrt(var(Differences))

这是我生成的第一条曲线（代码似乎最常见且易于生成，但曲线本身不太适合）。

hist(Differences, density = 15, breaks = 15, probability = TRUE, xlab = "Score Differences", ylim = c(0,.1), main = "Normal Curve for Score Differences")
curve(dnorm(x,m,std),col = "Red", lwd = 2, add = TRUE)

我真的很喜欢这个，但不喜欢曲线进入负区域。

hist(Differences, probability = TRUE)
lines(density(Differences), col = "Red", lwd = 2)
lines(density(Differences, adjust = 2), lwd = 2, col = "Blue")

这是与第一个相同的直方图，但具有频率。看起来还是没那么好看。

h = hist(Differences, density = 15, …

如何获得重叠密度曲线下的面积？

我该如何解决 R 的问题？（这里有python的解决方案：计算两个函数的重叠面积）

set.seed(1234)
df <- data.frame(
  sex=factor(rep(c("F", "M"), each=200)),
  weight=round(c(rnorm(200, mean=55, sd=5),
                 rnorm(200, mean=65, sd=5)))
  )

（来源：http : //www.sthda.com/english/wiki/ggplot2-density-plot-quick-start-guide-r-software-and-data-visualization）

ggplot(df, aes(x=weight, color=sex, fill=sex)) + 
 geom_density(aes(y=..density..), alpha=0.5)

“图中使用的点由 ggplot_build() 返回，因此您可以访问它们。” 所以现在，我有了积分，我可以将它们提供给 approxfun，但我的问题是我不知道如何减去密度函数。

非常感谢任何帮助！（而且我相信需求量很大，没有现成的解决方案。）

我正在尝试创建一个类似于此的密度图（在 R 中创建）：

该图不需要密度级别（例如，在键中找到的），但我正在努力寻找一种方法来创建带有密度图的直方图，而无需合并 R 来创建它。有人告诉我存在一种方法，但似乎无法在任何地方找到它。

我可以找到用箱创建直方图的方法，但我似乎找不到如何包含密度绘图线。我找到了一个例子

来自 Tableau Online，但用户包括在 R 和 Tableau 之间来回切换，我试图避免这样做。

提前致谢！

我正在尝试为ggplot2 中geom_segment的geom_density_ridges绘图添加方法。

library(dplyr)
library(ggplot2)
library(ggridges)

Fig1 <- ggplot(Figure3Data,  aes(x = `hairchange`, y = `EffortGroup`)) +
  geom_density_ridges_gradient(aes(fill = ..x..), scale = 0.9, size = 1) 

ingredients <- ggplot_build(Fig1) %>% purrr::pluck("data", 1)

density_lines <- ingredients %>%
  group_by(group) %>% filter(density == mean(density)) %>% ungroup()

p <- ggplot(Figure3Data,  aes(x = `hairchange`, y = `EffortGroup`)) +
  geom_density_ridges_gradient(aes(fill = ..x..), scale = 0.9, size = 1) +
  scale_fill_gradientn(  colours = c("#0000FF", "#FFFFFF", "#FF0000"),name = 
  NULL, limits=c(-2,2))+ coord_flip() +
  theme_ridges(font_size = 20, grid=TRUE, …

我需要使用 R 绘制具有 2D 投影的 3D 表面，如下所示。

它具有 3D 密度图，例如，在 R 中使用plotly 可以轻松完成此操作。另一方面，二维表面到目前为止，我在寻找如何绘制它们的过程中还没有运气。我发现的最好的例子是这个例子，但它使用Python而不是R。

我还发现 RSM（响应面方法）包可能有绘制此图的工具，但我研究了包文档并查找了在线示例，到目前为止我还没有找到任何接近此图的东西质量。

Base R 函数persp看起来也可以提供一些答案，但到目前为止我还没有成功地使用它来绘制 2D 投影。包plot3D也可能提供解决方案的线索。

预先感谢您对此的任何帮助。

我试图用我的密度图识别异常值。我目前正在使用 seaborn 库来绘制我的数据。我将如何识别异常值？我一直在考虑使用 stats 库实现 Z-score，这是唯一可以实现的方法，这不能在密度图中完成吗？

我想创建一个带有脊线的密度图，其中颜色以跨越某个阈值为条件。

目的是说明收入的分配情况，同时突出显示超过特定阈值（每周 1368 澳元）的收入。我在下面提供了我的尝试的概要图。

ggplot(subset(vic, totalweekslost > 0 & nwe %in% 100:3000), 
       aes(nwe, fill = nwe > 1368)) + 
  geom_density()

它不是仅仅改变密度图中单个组内的颜色，而是按照自己的比例创建一个新组。

我想要的是颜色变化在同一组中，并显示出清晰的切点。我可以看到我的代码有什么问题，但我不知道如何创建我想要的东西。

假设我们有两组不同样本量的“a”和“b”。

n = 10000
set.seed(123)
dist1 = round(rnorm(n, mean = 1, sd=0.5), digits = 1)
dist2 = round(rnorm(n/10, mean = 2, sd = 0.2), digits = 1)
df = data.frame(group=c(rep("a", n), rep("b", n/10)), value=c(dist1,dist2))

我想将以下堆积条形图转换为堆积密度图。

library(ggplot2)
ggplot(data=df, aes(x=value, y=(..count..)/sum(..count..), fill=group)) +
  geom_bar()

我知道有一个position="stack"密度图选项。然而，结果如下所示，因为密度的高度是相对于组样本大小，而不是总样本大小。因此，在某种程度上，这个小群体的代表性过高。

ggplot(data=df, aes(x=value, fill=group)) +
  geom_density(position="stack")

有没有办法创建与上面的条形图相对应的密度图？

有时，当我使用seaborn的displot函数创建直方图时，norm_hist = True，y轴小于PDF的预期值1。其他时候它的值大于一。

例如，如果我跑

sns.set(); 
x = np.random.randn(10000)
ax = sns.distplot(x)

然后，直方图上的 y 轴将按预期从 0.0 变为 0.4，但如果数据不正常，即使norm_hist = True，y 轴也可能会大到 30。

关于直方图函数的标准化参数，我缺少什么，例如 sns.distplot 的norm_hist？即使我自己通过创建一个新变量来标准化数据：

new_var = data/sum(data)

这样数据总和为 1，无论norm_hist 参数是否为 True，y 轴仍将显示远大于 1 的值（例如 30）。

当 y 轴有这么大的范围时我可以给出什么解释？

我认为发生的情况是我的数据紧密集中在零附近，因此为了使数据的面积等于 1（例如在 kde 下），直方图的高度必须大于 1...但是由于概率不能大于 1 结果是什么意思？

另外，如何让这些函数在 y 轴上显示概率？