R 将第三个变量添加到stat_density_2d绘图

下面是我在R中创建的统计密度2d图的代码和数据集

library(ggplot2)

topKzone <- 3.5
botKzone <- 1.6
inKzone <- -0.95
outKzone <- 0.95
kZone <- data.frame(
  x=c(inKzone, inKzone, outKzone, outKzone, inKzone),
  y=c(botKzone, topKzone, topKzone, botKzone, botKzone)
)

df$h <- round(df$platelocheight)
df$s <- round(df$platelocside)
df$es<- round(df$exitspeed)

ggplot(kZone, aes(x,y)) +
  stat_density_2d(data=df, aes(x=s, y=h),geom="polygon") +
  scale_fill_distiller(palette = "Spectral") +
  geom_path(lwd=1.5, col="black") +
  coord_fixed()

代码成功运行，但是，我想添加第三个fill变量（exitspeed），使其看起来更像热图。我尝试将'fill=es'添加到stat_density_2d行，但代码要么忽略'fill=es'行，要么说找不到变量es

下面是我的代码正在绘制的图片，以及我希望绘制的样子

当前代码：

我想要的是：

注意：我仍然希望在图表的右侧有一个刻度

---

有人知道如何正确地将第三个变量添加到stat_density_2d绘图中吗？我也愿意使用其他绘图/包来构建此热图。提前谢谢

您的图表有两个问题：
-首先，如注释所示的不同比例（单位）。这使得不可能像我在评论中建议的那样，简单地为exitspeed创建第二个

stat\u density

。此外，填充=…密度。。在这种情况下不起作用，因为我们讨论的是另一个变量。
-第二，粗略的x/y值（见下文）

粗x/y坐标的问题是，插值不是很平滑。人们可以改变插值参数，但我还不知道怎么做@JasonAizkalns向这个方向提问，但不幸的是，目前还没有答案

不过，更精确的x/y坐标肯定会有所帮助。那么为什么不半人工预测呢

您基本上想要的是为密度等高线图内的每个x/y坐标指定一个退出速度值！（虽然我个人认为这可能没有真正意义，因为这些事情不一定相关。）

现在-在下面，我将预测原始图中密度等值线最大多边形（！）内随机采样的x/y值。让我们看看：

require(fields) 
require(dplyr)
require(sp)

p <- ggplot_build(ggplot() +
                    stat_density_2d(data = df, aes(x = platelocside, y = platelocheight)) +
                    lims(x = c(-2,2), y = c(1,5)))$data[[1]] %>%
  filter(level == min(level))
#this one is a bit tricky: I increased the limits of the axis of the plot in order to get an 'entire' polygon. I then filtered the rows of the largest polygon (minimum level)

poly_object <- Polygon(cbind(p$x, p$y)) #create Spatial object from polygon coordinates
random_points <- apply(coordinates(spsample(poly_object,10000, type = 'random')),2, round, digits = 1) #(coordinates() pulls out x/y coordinates, I rounded because this unifies the coordinates, and then I sampled random points within this polygon)
tps_x <- cbind(df$platelocside, df$platelocheight) #matrix of independent values for Tps() function
tps_Y <- df$exitspeed      #dependent value for model prediction
fit <- Tps(tps_x, tps_Y)
predictedVal <- predict(fit, random_points) #predicting the exitspeed-values

ggplot() +
  geom_raster(aes(x = random_points[,'x'], y = random_points[,'y'], fill = predictedVal), interpolate = TRUE)+ 
  stat_density_2d(data = df, aes(x = platelocside, y = platelocheight)) +
geom_path(data = kZone, aes(x,y))

require（字段）
需要（dplyr）
需要（sp）
p%
过滤器（级别==最小（级别））
#这个有点棘手：为了得到一个“完整”的多边形，我增加了绘图轴的限制。然后我过滤了最大多边形的行（最小级别）
看看这个答案，可能会有帮助。在看了一眼之后——实际上，这对我来说并不完全有意义——解决方案只是制作第二个
stat\u density
层。但是你的
退出速度
和
s
——它们有非常不同的尺度！那些是不同的单位吗？您需要先从一个转换到另一个，以使重新绘制成为可能。感谢Tjebo的回复！是的，它们是不同的单位
s
是球场的水平位置，
exitspeed
是击球的力度（如果你不熟悉这项运动，这是一个棒球项目）。你把一个转换成另一个是什么意思？谢谢你的回复Tjebo！这非常有帮助。是的，平滑度绝对是个问题。我已经能够用插值生成一些网格类型的图，但是我仍然在努力找到一个解决方案来解决你提到的平滑填充问题。再次感谢@NateWalker看看我的最新答案，应该很接近。这太棒了！谢谢你的帮助，杰博！
ggplot(kZone, aes(x,y)) +
  stat_density_2d(data=df, aes(x = s, y = h)) +
  geom_raster(data = df, aes(x = s, y = h, fill = exitspeed), interpolate = TRUE) 

#doesn't do the job, as the grid is to coarse

require(fields) 
require(dplyr)
require(sp)

p <- ggplot_build(ggplot() +
                    stat_density_2d(data = df, aes(x = platelocside, y = platelocheight)) +
                    lims(x = c(-2,2), y = c(1,5)))$data[[1]] %>%
  filter(level == min(level))
#this one is a bit tricky: I increased the limits of the axis of the plot in order to get an 'entire' polygon. I then filtered the rows of the largest polygon (minimum level)

poly_object <- Polygon(cbind(p$x, p$y)) #create Spatial object from polygon coordinates
random_points <- apply(coordinates(spsample(poly_object,10000, type = 'random')),2, round, digits = 1) #(coordinates() pulls out x/y coordinates, I rounded because this unifies the coordinates, and then I sampled random points within this polygon)
tps_x <- cbind(df$platelocside, df$platelocheight) #matrix of independent values for Tps() function
tps_Y <- df$exitspeed      #dependent value for model prediction
fit <- Tps(tps_x, tps_Y)
predictedVal <- predict(fit, random_points) #predicting the exitspeed-values

ggplot() +
  geom_raster(aes(x = random_points[,'x'], y = random_points[,'y'], fill = predictedVal), interpolate = TRUE)+ 
  stat_density_2d(data = df, aes(x = platelocside, y = platelocheight)) +
geom_path(data = kZone, aes(x,y))