R 将ggplot椭圆压缩为真实/可能值

使用ggplot打印椭圆时，是否可以将椭圆约束为实际可能的值

例如，以下可复制代码和数据绘制了两种物种的Ele与Var。Var是一个正变量，不能为负。尽管如此，负值仍包含在生成的省略号中。是否可以在x轴上将椭圆绑定为0（使用ggplot）

更具体地说，我画的是一条平边，椭圆体在x轴上被截断为0

library(ggplot2)
set.seed(123)
df <- data.frame(Species = rep(c("BHS", "MTG"), each = 100),
                 Ele = c(sample(1500:3000, 100), sample(2500:3500, 100)),
                 Var = abs(rnorm(200)))

ggplot(df, aes(Var, Ele, color = Species)) +
  geom_point() +
  stat_ellipse(aes(fill = Species), geom="polygon",level=0.95,alpha=0.2) 

库（ggplot2）
种子集（123）
df您可以编辑默认状态，将点剪裁为特定值。在这里，我们将基本状态更改为将x值从0修剪为0

StatClipEllipse <- ggproto("StatClipEllipse", Stat,
    required_aes = c("x", "y"),
    compute_group = function(data, scales, type = "t", level = 0.95,
       segments = 51, na.rm = FALSE) {
           xx <- ggplot2:::calculate_ellipse(data = data, vars = c("x", "y"), type = type,
               level = level, segments = segments)
           xx %>% mutate(x=pmax(x, 0))
      }
)

然后你可以用它来制作你的情节

ggplot(df, aes(Var, Ele, color = Species)) +
  geom_point() +
  stat_clip_ellipse(aes(fill = Species), geom="polygon",level=0.95,alpha=0.2) 


这是受。
的启发，您可以编辑默认状态以将点剪裁为特定值。在这里，我们将基本状态更改为将x值从0修剪为0

StatClipEllipse <- ggproto("StatClipEllipse", Stat,
    required_aes = c("x", "y"),
    compute_group = function(data, scales, type = "t", level = 0.95,
       segments = 51, na.rm = FALSE) {
           xx <- ggplot2:::calculate_ellipse(data = data, vars = c("x", "y"), type = type,
               level = level, segments = segments)
           xx %>% mutate(x=pmax(x, 0))
      }
)

然后你可以用它来制作你的情节

ggplot(df, aes(Var, Ele, color = Species)) +
  geom_point() +
  stat_clip_ellipse(aes(fill = Species), geom="polygon",level=0.95,alpha=0.2) 


这是受.
启发的。基于我上面的评论，我创建了一个不那么误导人的可视化选项。这忽略了
y
均匀分布的问题，因为与严重倾斜的
x
变量相比，这是一个不太严重的问题

这两个选项都使用，这是
ggplot2
的扩展，但为了以防万一，我还包括了我使用的特定函数的源代码

library(ggforce)
library(scales)


# power_trans <- function (n) 
# {
#     scales::trans_new(name = paste0("power of ", fractions(n)), transform = function(x) {
#         x^n
#     }, inverse = function(x) {
#         x^(1/n)
#     }, breaks = scales::extended_breaks(), format = scales::format_format(), 
#         domain = c(0, Inf))
# }


此选项沿平方根变换拉伸x轴，将聚集在零附近的点展开。然后在这个新空间上计算一个椭圆


优点：看起来仍然像一个椭圆
缺点：为了让它更好地发挥作用并在x轴上标记
Var=0
点，您必须使用
expand=c（0,0）
，这将精确地剪裁限制，因此需要更多地修改手动限制/中断/标签，包括选择一个非常小的值（0.0001）表示为0
缺点：x值不是沿轴线性分布的，这在阅读图形时需要更多的认知负荷

备选案文2：

ggplot(df, aes(sqrt(Var), Ele, color = Species)) +
  geom_point() + 
  stat_ellipse() +
  coord_trans(x = ggforce::power_trans(2)) + 
  scale_x_continuous(breaks = sqrt(0:4), labels = 0:4,
                     name = "Var")


此选项绘制预转换的
sqrt（Var）
（请注意
aes（…）
）。然后根据这个新的近似法线值计算椭圆。然后它拉伸x轴，使
Var
的值再次以线性间隔排列，从而在相同的变换中扭曲椭圆


优点：看起来很酷
优点：Var值在x轴上易于解释
优点：你可以很容易地看到Var=0附近的密度和“鸡蛋”的宽平端
优点：尖端显示这些值的密度有多低
缺点：看起来不熟悉，需要解释和额外的认知负荷来解释
基于我上面的评论，我为可视化创建了一个误导性较小的选项。这忽略了
y
均匀分布的问题，因为与严重倾斜的
x
变量相比，这是一个不太严重的问题

这两个选项都使用，这是
ggplot2
的扩展，但为了以防万一，我还包括了我使用的特定函数的源代码

library(ggforce)
library(scales)


# power_trans <- function (n) 
# {
#     scales::trans_new(name = paste0("power of ", fractions(n)), transform = function(x) {
#         x^n
#     }, inverse = function(x) {
#         x^(1/n)
#     }, breaks = scales::extended_breaks(), format = scales::format_format(), 
#         domain = c(0, Inf))
# }


此选项沿平方根变换拉伸x轴，将聚集在零附近的点展开。然后在这个新空间上计算一个椭圆


优点：看起来仍然像一个椭圆
缺点：为了让它更好地发挥作用并在x轴上标记
Var=0
点，您必须使用
expand=c（0,0）
，这将精确地剪裁限制，因此需要更多地修改手动限制/中断/标签，包括选择一个非常小的值（0.0001）表示为0
缺点：x值不是沿轴线性分布的，这在阅读图形时需要更多的认知负荷

备选案文2：

ggplot(df, aes(sqrt(Var), Ele, color = Species)) +
  geom_point() + 
  stat_ellipse() +
  coord_trans(x = ggforce::power_trans(2)) + 
  scale_x_continuous(breaks = sqrt(0:4), labels = 0:4,
                     name = "Var")


此选项绘制预转换的
sqrt（Var）
（请注意
aes（…）
）。然后根据这个新的近似法线值计算椭圆。然后它拉伸x轴，使
Var
的值再次以线性间隔排列，从而在相同的变换中扭曲椭圆


优点：看起来很酷
优点：Var值在x轴上易于解释
优点：你可以很容易地看到Var=0附近的密度和“鸡蛋”的宽平端
优点：尖端显示这些值的密度有多低
缺点：看起来不熟悉，需要解释和额外的认知负荷来解释
假设您的数据基本上一直到0，您是否在想象一个带平边的椭圆？或者将椭圆向右移动，即使它们将错过0附近的点？最简单的可能是使用对数变换的x轴和对数刻度上的椭圆。。。我想真正的问题是“椭圆的用途是什么”？我正在画一个平边，这样椭球在0处被截断。我正在使用椭圆来描述每个物种的
Ele
和
Var
观测值的分布。我认为上面的图做得很好，但是如果椭圆只包含每个变量的可能组合就更好了（依我看）。我认为@Gregor关于需要转换的观点是正确的。这些椭圆不能很好地显示分布。如果真实数据类似于模拟中的折叠法线，那么对数变换或sqrt变换在理论上合理吗？您模拟的y变量是均匀分布的，因此椭圆也暗示了其他内容。椭圆实际上只适用于多元t或范数