点が多すぎる散布図

N = 700Kの2つの変数をプロットしようとしています。問題は、オーバーラップが多すぎるため、プロットがほとんど黒のベタブロックになることです。プロットの暗さが領域内の点の数の関数であるグレースケール「クラウド」を使用する方法はありますか？言い換えると、個々のポイントを表示する代わりに、プロットを「雲」にして、領域内のポイント数が多いほど、その領域を暗くします。

これに対処する1つの方法は、各ポイントをわずかに透明にするアルファブレンディングです。そのため、より多くの点がプロットされている領域はより暗く表示されます。

これは簡単に実行できますggplot2。

df <- data.frame(x = rnorm(5000),y=rnorm(5000))
ggplot(df,aes(x=x,y=y)) + geom_point(alpha = 0.3)

これに対処するもう1つの便利な方法は、六角形のビニングです（おそらく、ポイントの数に適しています）。

ggplot(df,aes(x=x,y=y)) + stat_binhex()

また、通常の古い長方形のビニング（画像は省略）もあります。これは、従来のヒートマップに似ています。

ggplot(df,aes(x=x,y=y)) + geom_bin2d()

ggsubplotパッケージもご覧いただけます。このパッケージは、Hadley Wickhamによって2011年に発表された機能を実装しています（http://blog.revolutionanalytics.com/2011/10/ggplot2-for-big-data.html）。

（以下では、説明のために「ポイント」レイヤーを含めます。）

library(ggplot2)
library(ggsubplot)

# Make up some data
set.seed(955)
dat <- data.frame(cond = rep(c("A", "B"), each=5000),
                  xvar = c(rep(1:20,250) + rnorm(5000,sd=5),rep(16:35,250) + rnorm(5000,sd=5)),
                  yvar = c(rep(1:20,250) + rnorm(5000,sd=5),rep(16:35,250) + rnorm(5000,sd=5)))


# Scatterplot with subplots (simple)
ggplot(dat, aes(x=xvar, y=yvar)) +
  geom_point(shape=1) +
  geom_subplot2d(aes(xvar, yvar,
                     subplot = geom_bar(aes(rep("dummy", length(xvar)), ..count..))), bins = c(15,15), ref = NULL, width = rel(0.8), ply.aes = FALSE)

ただし、制御する第3の変数がある場合、これはすばらしい機能です。

# Scatterplot with subplots (including a third variable) 

ggplot(dat, aes(x=xvar, y=yvar)) +
  geom_point(shape=1, aes(color = factor(cond))) +
  geom_subplot2d(aes(xvar, yvar,
                     subplot = geom_bar(aes(cond, ..count.., fill = cond))),
                 bins = c(15,15), ref = NULL, width = rel(0.8), ply.aes = FALSE)  

または、次の方法を使用することもできますsmoothScatter()。

smoothScatter(dat[2:3])

のいくつかの優れたオプションの概要ggplot2：

library(ggplot2)
x <- rnorm(n = 10000)
y <- rnorm(n = 10000, sd=2) + x
df <- data.frame(x, y)

オプションA：透明な点

o1 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.05)

オプションB：密度コンターを追加する

o2 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.05) +
  geom_density_2d()

オプションC：塗りつぶされた密度コンターを追加する

o3 <- ggplot(df, aes(x, y)) +
  stat_density_2d(aes(fill = stat(level)), geom = 'polygon') +
  scale_fill_viridis_c(name = "density") +
  geom_point(shape = '.')

オプションD：密度ヒートマップ

o4 <- ggplot(df, aes(x, y)) +
  stat_density_2d(aes(fill = stat(density)), geom = 'raster', contour = FALSE) +       
  scale_fill_viridis_c() +
  coord_cartesian(expand = FALSE) +
  geom_point(shape = '.', col = 'white')

オプションE：hexbins

o5 <- ggplot(df, aes(x, y)) +
  geom_hex() +
  scale_fill_viridis_c() +
  geom_point(shape = '.', col = 'white')

オプションF：ラグ

o6 <- ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.1) +
  geom_rug(alpha = 0.01)

1つの図にまとめます。

cowplot::plot_grid(
  o1, o2, o3, o4, o5, o6,
  ncol = 2, labels = 'AUTO', align = 'v', axis = 'lr'
)

アルファブレンディングは、ベースグラフィックでも簡単に実行できます。

df <- data.frame(x = rnorm(5000),y=rnorm(5000))
with(df, plot(x, y, col="#00000033"))

後の最初の6つの数字#はRGBの16進数の色で、最後の2つは不透明度で、これも16進数なので、33〜3/16番目の不透明度です。

密度等高線（ggplot2）を使用することもできます。

df <- data.frame(x = rnorm(15000),y=rnorm(15000))
ggplot(df,aes(x=x,y=y)) + geom_point() + geom_density2d()

または、密度コンターとアルファブレンディングを組み合わせます。

ggplot(df,aes(x=x,y=y)) + 
    geom_point(colour="blue", alpha=0.2) + 
    geom_density2d(colour="black")

あなたは便利なhexbinパッケージを見つけるかもしれません。のヘルプページからhexbinplot：

library(hexbin)
mixdata <- data.frame(x = c(rnorm(5000),rnorm(5000,4,1.5)),
                      y = c(rnorm(5000),rnorm(5000,2,3)),
                      a = gl(2, 5000))
hexbinplot(y ~ x | a, mixdata)

geom_pointdenistyggpointdensityパッケージから（最近Lukas KremerとSimon Anders（2019）が開発）、密度と個々のデータポイントを同時に視覚化できます。

library(ggplot2)
# install.packages("ggpointdensity")
library(ggpointdensity)

df <- data.frame(x = rnorm(5000), y = rnorm(5000))
ggplot(df, aes(x=x, y=y)) + geom_pointdensity() + scale_color_viridis_c()

このタイプのデータをプロットするための私のお気に入りの方法は、この質問で説明されている方法です - 散乱密度プロット。アイデアは、散布図を作成することですが、密度に基づいてポイントに色を付けることです（大まかに言えば、その領域のオーバーラップの量）。

同時に：

• 外れ値の場所を明確に示す
• プロットの密な領域の構造を明らかにします。

リンクされた質問に対するトップアンサーの結果は次のとおりです。