小编Ale*_*ris的帖子

我有一个简单的条形图,如下所示

a<-data.frame(x=c("total","male","female","low education",
            "mid education","high education","working","not working"),
        y=c(80,30,50,20,40,20,65,35))
a$x<-as.character(a$x)
a$x<-factor(a$x,levels=unique(a$x))


ggplot(a,aes(x,y)) + 
geom_bar(stat="identity",fill="orange",width=0.4) +
coord_flip() +
theme_bw()

现在,因为x轴的水平(翻转,现在看起来像是y)彼此有关系,例如男性和女性代表性别崩溃,工作和不工作代表另一个故障等,我希望轴之间留下一些空间每次细分以指出这些故障.

我已经尝试了一些东西scale_x_discrete和它的参数中断,但似乎这不是它的方式.有任何想法吗 ？

关于等值线图的另一个问题即将到来.首先让我们制作一些数据.

`a<-c(4.1,2.5,0.4,6.4,1.4,1.8,3.8,1.3,2.3,8.4,5.2,1.9,0.8,1.5,2.1,1.2,3.8,1.4,3.1,0.8,4.0,1.3,4.8,2.6,2.8,2.3,3.1,2.5)
    target<-c("austria","belgium","bulgaria","switzerland","cyprus","czech republic","denmark",
"estonia","spain","finland","france","greece","croatia","hungary","ireland","italy",
"lithuania","luxembourg","latvia","norway","poland","portugal","romania","sweden",
"slovenia","slovakia","turkey","united kingdom")
datas<-data.frame(region=target,value=a)
datas$region<-as.character(datas$region)
install.packages("choroplethr")
install.packages("choroplethrMaps")
library(choroplethr)
library(choroplethrMaps)
data(country.map)
data(country.regions)


 gg <- country_choropleth(datas,legend="%",num_colors=1,zoom=target)
gg <- gg + xlim(-31.266001, 39.869301)
gg <- gg + ylim(27.636311, 81.008797)
gg <- gg + coord_map("lambert", lat0=27.636311, lat1=81.008797)
gg`

所以输出是

我无法调整的是让一个国家变得无色.如果我将国家/地区的值设置为0,则会大幅改变其他国家/地区的颜色比例.我的目标是在地图中添加我没有数据的国家/地区,并将其颜色设置为灰色以使地图更加逼真,并指出我拥有数据的国家/地区.

我想在地图上绘制事件(旧金山).由于我的事件太多(800k点),我最终会出现过度绘图问题.因此,为了避免这种情况,我想制作二维密度以获得所需的洞察力.问题在于,虽然事件遍布地图,但geom_density2d仅显示了城市的一小部分区域.当然,预期的结果是覆盖几乎所有城市的密度.任何想法为什么会发生这种情况？

码

 a<-get_map("San Francisco",zoom=12,source='osm')

 ggmap(a,extent='device')+    geom_density2d(data=train,aes(x=X,y=Y))+  
 stat_density2d(data=train,aes(x=X,y=Y,fill=..level..,alpha=..level..),
                  geom='polygon')

-------------------------------------------------- ------------

起初,@ ajrwhite感谢你的回答和态度.你也是对的,在处理这个大数据集时,你需要进行子集才能进行实验.就bin的数量而言,我认为像geom_density一样,内部计算最佳内核binwidth/bin数.看起来,在二维情况下,你必须自己调整它.

现在,我提到的问题是,我从未想过城市中的罪行会如此集中.这个发现很清楚,我的输出似乎是假的.事实证明,这个城市就是这种情况.这个人对这个数据集的各种可视化还有一个更详细的方法.

https://www.kaggle.com/mircat/sf-crime/violent-crime-mapping

最后,谢谢你的重定向.这个主题确实有广泛的涵盖.