ggplot2色差過大受異常值影響

我遇到了一些異常情況，使色標無用。ggplot2色差過大受異常值影響

我的數據有一個長度變量，它基於一個範圍，但通常會有一些更大的值。以下示例數據具有500到1500之間的95個值，以及50,000以上的5個值。當我想看到500到1500之間的顏色變化時，結果顏色圖例傾向於使用10k，20k，... 70k作爲顏色變化。實際上，大約1300以上的任何應該是相同的純色（可能是中值+/-瘋狂），但我不知道在哪裏定義。

我打開任何ggplot解決方案，但理想情況下較低的值將是紅色，中間白色和更高的藍色（低是壞）。在我自己的數據集中，日期是ggplot aes（）中as.POSIXct（）的實際日期，但似乎不影響該示例。

#example data 
date <- sample(x=1:10,size=100,replace=T) 
stateabbr <- sample(x=1:50,size=100,replace=T) 
Length <- c(sample(x=500:1500,size=95,replace=T),60000,55000,70000,50000,65000) 
x <- data.frame(date=date,stateabbr=stateabbr,Length=Length) 

#main plot 
(g <- ggplot(data=x,aes(x=date,y=factor(stateabbr))) + 
    geom_point(aes(color=as.numeric(as.character(Length))),alpha=3/4,size=4) + 
    #scale_x_datetime(labels=date_format("%m/%d")) + 
    opts(title="Date and State") + xlab("Date") + ylab("State")) 

#problem 
g + scale_color_gradient2("Length",midpoint=median(x$Length))

添加trans =「log」或「sqrt」也不完全有效。

謝謝你的幫助！？

來源

2012-03-21 ARobertson

我的解決方法是使用日誌比例（或類似的東西）着色，當我有異常值時。但是，我很想知道是否有更好的方法！ – Justin 2012-03-21 20:05:19

是的，我曾嘗試過，但這個例子仍然沒有。希望有更好的方法出現！ – ARobertson 2012-03-21 20:14:52

你可以使用？cut來創建另一個變量到你的優先休息區，然後將'color ='美學設置爲該變量。 – 2012-03-21 20:36:10

這裏有一個稍微棘手的選擇：

#Create a new variable indicating the unusual values 
x$Length1 <- "> 1500" 
x$Length1[x$Length <= 1500] <- NA 

#main plot 
# Using fill - tricky! 
g <- ggplot() + 
    geom_point(data = subset(x,Length <= 1500), 
      aes(x=date,y=factor(stateabbr),color=Length),size=4) + 
    geom_point(data = subset(x,Length > 1500), 
      aes(x=date,y=factor(stateabbr),fill=Length1),size=4)+ 
    opts(title="Date and State") + xlab("Date") + ylab("State") 

#problem 
g + scale_color_gradient2("Length",midpoint=median(x$Length))

enter image description here

所以這裏的棘手的部分是在點使用fill，爲了說服ggplot做出另一個傳奇。顯然，您可以用填充比例的不同標籤和顏色對其進行定製。

還有一件事，閱讀布蘭登的答案。原則上，您可以通過採用偏離值來結合兩種方法，使用cut爲它們創建單獨的分類變量，然後使用我的技巧和fill比例。這樣你可以指出多個離羣點。

來源

2012-03-21 20:51:19 joran

從我的意見，看切

x$colors <- cut(x$Length, breaks=c(0,500,1000,1300,max(x$Length))) 

g <- ggplot(data=x,aes(x=date,y=factor(stateabbr),color=colors)) + 
    geom_point() + 
    opts(title="Date and State") + 
    xlab("Date") + 
    ylab("State")

來源

2012-03-21 20:43:39

在這種情況下，我將不得不使用scale_color_manual向離散變量提供「連續看」的顏色，對吧？我得到了離散的着色，這並不壞，只是一個觀察。 – ARobertson 2012-03-26 18:26:48

是的，以適應您的原始問題（紅色 - >白色 - >藍色）。嘗試像+ scale_colour_manual（values = c（「red」，「white」，「blue」））。在這裏看到更有效的托盤：http://learnr.wordpress.com/2009/04/15/ggplot2-qualitative-colour-palettes/我認爲colourspace托盤指定可能最適合您的需求。請記住，您需要使用剪輯創建的每個中斷的顏色。假裝它並不難，所以它看起來是連續的，有一些聰明的調色板用法。 – 2012-03-27 06:14:38

聽起來不錯，謝謝！ – ARobertson 2012-03-27 13:54:02

擺脫異常值。我知道，快速和骯髒，但我認爲這是值得說。你總是可以在你的文字中描述它們。爲什麼讓他們毀了你的分析和圖表？

有一個在這篇博客文章與道德消除異常交易中引用的論文：

http://psuc2f.wordpress.com/2011/10/14/is-it-dishonest-or-unethical-to-remove-outliers/

與他們打交道的另一種簡單的方法是將封頂他們：

DF $值[DF $ Value> 1300] = 1300

同樣，你可以描述你在文本中做了這個或者甚至只是編輯比例來說1300+而不是1300

來源

2012-03-22 11:54:34

ggplot2色差過大受異常值影響

回答

相關問題