在ggplot2中使用边缘直方图的散点图

Question

有没有办法用边缘直方图创建散点图，就像下面ggplot2中的示例一样？在Matlab中它是scatterhist()函数，并且R也存在等价物。但是，我还没有看到ggplot2。

我开始尝试创建单个图形，但不知道如何正确排列它们。

 require(ggplot2)
 x<-rnorm(300)
 y<-rt(300,df=2)
 xy<-data.frame(x,y)
     xhist <- qplot(x, geom="histogram") + scale_x_continuous(limits=c(min(x),max(x))) + opts(axis.text.x = theme_blank(), axis.title.x=theme_blank(), axis.ticks = theme_blank(), aspect.ratio = 5/16, axis.text.y = theme_blank(), axis.title.y=theme_blank(), background.colour="white")
     yhist <- qplot(y, geom="histogram") + coord_flip() + opts(background.fill = "white", background.color ="black")

     yhist <- yhist + scale_x_continuous(limits=c(min(x),max(x))) + opts(axis.text.x = theme_blank(), axis.title.x=theme_blank(), axis.ticks = theme_blank(), aspect.ratio = 16/5, axis.text.y = theme_blank(), axis.title.y=theme_blank() )


     scatter <- qplot(x,y, data=xy)  + scale_x_continuous(limits=c(min(x),max(x))) + scale_y_continuous(limits=c(min(y),max(y)))
none <- qplot(x,y, data=xy) + geom_blank()

并使用here发布的功能安排它们。但长话短说：有没有办法创建这些图表？

Answer 1

gridExtra包应该在这里工作。首先制作每个ggplot对象：

hist_top <- ggplot()+geom_histogram(aes(rnorm(100)))
empty <- ggplot()+geom_point(aes(1,1), colour="white")+
         theme(axis.ticks=element_blank(), 
               panel.background=element_blank(), 
               axis.text.x=element_blank(), axis.text.y=element_blank(),           
               axis.title.x=element_blank(), axis.title.y=element_blank())

scatter <- ggplot()+geom_point(aes(rnorm(100), rnorm(100)))
hist_right <- ggplot()+geom_histogram(aes(rnorm(100)))+coord_flip()

然后使用grid.arrange函数：

grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4, 1), heights=c(1, 4))

Answer 2

使用ggpubr和cowplot的另一个解决方案，但是在这里我们使用cowplot::axis_canvas创建绘图并将它们添加到cowplot::insert_xaxis_grob的原始绘图中：

library(cowplot) 
library(ggpubr)

# Create main plot
plot_main <- ggplot(faithful, aes(eruptions, waiting)) +
  geom_point()

# Create marginal plots
# Use geom_density/histogram for whatever you plotted on x/y axis 
plot_x <- axis_canvas(plot_main, axis = "x") +
  geom_density(aes(eruptions), faithful)
plot_y <- axis_canvas(plot_main, axis = "y", coord_flip = TRUE) +
  geom_density(aes(waiting), faithful) +
  coord_flip()

# Combine all plots into one
plot_final <- insert_xaxis_grob(plot_main, plot_x, position = "top")
plot_final <- insert_yaxis_grob(plot_final, plot_y, position = "right")
ggdraw(plot_final)

Answer 3

您可以使用ggExtra::ggMarginalGadget(yourplot)的交互式表单，并在箱形图，小提琴图，密度图和直方图之间选择。

like that

Answer 4

如今，至少有一个CRAN包使得散点图具有边缘直方图。

library(psych)
scatterHist(rnorm(1000), runif(1000))

Answer 5

这不是一个完全响应的答案，但它非常简单。它说明了显示边际密度的另一种方法，以及如何将alpha级别用于支持透明度的图形输出：

scatter <- qplot(x,y, data=xy)  + 
         scale_x_continuous(limits=c(min(x),max(x))) + 
         scale_y_continuous(limits=c(min(y),max(y))) + 
         geom_rug(col=rgb(.5,0,0,alpha=.2))
scatter

Answer 6

这可能有点晚了，但我决定为此创建一个包（ggExtra），因为它涉及一些代码并且编写起来可能很乏味。该软件包还试图解决一些常见问题，例如确保即使有标题或文本被放大，这些图仍将是彼此内联的。

基本思想类似于这里给出的答案，但它有点超出了这个范围。以下是如何将边缘直方图添加到1000个点的随机集中的示例。希望这可以使将来更容易添加直方图/密度图。

Link to ggExtra package

library(ggplot2)
df <- data.frame(x = rnorm(1000, 50, 10), y = rnorm(1000, 50, 10))
p <- ggplot(df, aes(x, y)) + geom_point() + theme_classic()
ggExtra::ggMarginal(p, type = "histogram")

Answer 7

一个补充，只是为了节省一些人在我们之后这样做的搜索时间。

传说，轴标签，轴文本，刻度使得情节相互偏离，因此您的情节将看起来丑陋且不一致。

您可以使用其中一些主题设置来更正此问题，

+theme(legend.position = "none",          
       axis.title.x = element_blank(),
       axis.title.y = element_blank(),
       axis.text.x = element_blank(),
       axis.text.y = element_blank(), 
       plot.margin = unit(c(3,-5.5,4,3), "mm"))

和对齐尺度，

+scale_x_continuous(breaks = 0:6,
                    limits = c(0,6),
                    expand = c(.05,.05))

所以结果看起来还不错：

Answer 8

只是在BondedDust's answer上的一个非常小的变化，在边缘分布指标的一般精神。

Edward Tufte称这种地毯图的使用是一种“点划线图”，并且在VDQI中有一个例子，即使用轴线来指示每个变量的范围。在我的示例中，轴标签和网格线也指示数据的分布。标签位于Tukey's five number summary（最小值，下铰链，中位数，上铰链，最大值）的值，给出了每个变量的传播的快速印象。

因此，这五个数字是箱线图的数字表示。这有点棘手，因为不均匀间隔的网格线表明轴具有非线性比例（在这个例子中它们是线性的）。也许最好省略网格线或强制它们在常规位置，并让标签显示五个数字摘要。

x<-rnorm(300)
y<-rt(300,df=10)
xy<-data.frame(x,y)

require(ggplot2); require(grid)
# make the basic plot object
ggplot(xy, aes(x, y)) +        
  # set the locations of the x-axis labels as Tukey's five numbers   
  scale_x_continuous(limit=c(min(x), max(x)), 
                     breaks=round(fivenum(x),1)) +     
  # ditto for y-axis labels 
  scale_y_continuous(limit=c(min(y), max(y)),
                     breaks=round(fivenum(y),1)) +     
  # specify points
  geom_point() +
  # specify that we want the rug plot
  geom_rug(size=0.1) +   
  # improve the data/ink ratio
  theme_set(theme_minimal(base_size = 18))

Answer 9

由于在比较不同的群体时，对于这种情节没有令人满意的解决方案，我写了一个function来做到这一点。

它适用于分组和未分组数据，并接受其他图形参数：

marginal_plot(x = iris$Sepal.Width, y = iris$Sepal.Length)

marginal_plot(x = Sepal.Width, y = Sepal.Length, group = Species, data = iris, bw = "nrd", lm_formula = NULL, xlab = "Sepal width", ylab = "Sepal length", pch = 15, cex = 0.5)

Answer 10

我发现包（ggpubr）似乎对这个问题很有效，它考虑了几种显示数据的可能性。

包的链接是here，在this link你会找到一个很好的教程来使用它。为了完整起见，我附上了我复制的一个例子。

我首先安装了包（它需要devtools）

if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/ggpubr")

对于显示不同组的不同直方图的特定示例，它提到与ggExtra有关：“ggExtra的一个限制是它无法处理散点图和边缘图中的多个组。在下面的R代码中，我们使用cowplot包提供解决方案。“在我的情况下，我不得不安装后一个包：

install.packages("cowplot")

我遵循这段代码：

# Scatter plot colored by groups ("Species")
sp <- ggscatter(iris, x = "Sepal.Length", y = "Sepal.Width",
            color = "Species", palette = "jco",
            size = 3, alpha = 0.6)+
border()                                         
# Marginal density plot of x (top panel) and y (right panel)
xplot <- ggdensity(iris, "Sepal.Length", fill = "Species",
               palette = "jco")
yplot <- ggdensity(iris, "Sepal.Width", fill = "Species", 
               palette = "jco")+
rotate()
# Cleaning the plots
sp <- sp + rremove("legend")
yplot <- yplot + clean_theme() + rremove("legend") 
xplot <- xplot + clean_theme() + rremove("legend")
# Arranging the plot using cowplot
library(cowplot)
plot_grid(xplot, NULL, sp, yplot, ncol = 2, align = "hv", 
      rel_widths = c(2, 1), rel_heights = c(1, 2))

这对我来说很好：

Iris set marginal histograms scatterplot

Answer 11

您可以使用ggstatsplot轻松创建具有边缘直方图的有吸引力的散点图（它也适合并描述模型）：

data(iris)

library(ggstatsplot)

ggscatterstats(
  data = iris,                                          
  x = Sepal.Length,                                                  
  y = Sepal.Width,
  xlab = "Sepal Length",
  ylab = "Sepal Width",
  marginal = TRUE,
  marginal.type = "histogram",
  centrality.para = "mean",
  margins = "both",
  title = "Relationship between Sepal Length and Sepal Width",
  messages = FALSE
)

或者更具吸引力（默认情况下）ggpubr：

devtools::install_github("kassambara/ggpubr")
library(ggpubr)

ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", # comment out this and last line to remove the split by species
  margin.plot = "histogram", # I'd suggest removing this line to get density plots
  margin.params = list(fill = "Species", color = "black", size = 0.2)
)

更新：

正如@aickley所建议的，我使用了开发版本来创建情节。

Answer 12

为了建立@alf-pascu的答案，手动设置每个图并使用cowplot安排它们可以为主要图和边图图提供很大的灵活性（与其他一些解决方案相比）。按组分发就是一个例子。将主图更改为2D密度图是另一种情况。

下面创建一个带有（正确对齐的）边缘直方图的散点图。

library("ggplot2")
library("cowplot")

# Set up scatterplot
scatterplot <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 3, alpha = 0.6) +
  guides(color = FALSE) +
  theme(plot.margin = margin())


# Define marginal histogram
marginal_distribution <- function(x, var, group) {
  ggplot(x, aes_string(x = var, fill = group)) +
    geom_histogram(bins = 30, alpha = 0.4, position = "identity") +
    # geom_density(alpha = 0.4, size = 0.1) +
    guides(fill = FALSE) +
    theme_void() +
    theme(plot.margin = margin())
}

# Set up marginal histograms
x_hist <- marginal_distribution(iris, "Sepal.Length", "Species")
y_hist <- marginal_distribution(iris, "Sepal.Width", "Species") +
  coord_flip()

# Align histograms with scatterplot
aligned_x_hist <- align_plots(x_hist, scatterplot, align = "v")[[1]]
aligned_y_hist <- align_plots(y_hist, scatterplot, align = "h")[[1]]

# Arrange plots
plot_grid(
  aligned_x_hist
  , NULL
  , scatterplot
  , aligned_y_hist
  , ncol = 2
  , nrow = 2
  , rel_heights = c(0.2, 1)
  , rel_widths = c(1, 0.2)
)

要改为绘制二维密度图，只需更改主图。

# Set up 2D-density plot
contour_plot <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  stat_density_2d(aes(alpha = ..piece..)) +
  guides(color = FALSE, alpha = FALSE) +
  theme(plot.margin = margin())

# Arrange plots
plot_grid(
  aligned_x_hist
  , NULL
  , contour_plot
  , aligned_y_hist
  , ncol = 2
  , nrow = 2
  , rel_heights = c(0.2, 1)
  , rel_widths = c(1, 0.2)
)