R stat_density2d-图例是什么意思？

我在R中用

stat\u density2d

绘制了一张地图。代码如下：

ggplot(data, aes(x=Lon, y=Lat)) + 
  stat_density2d(aes(fill = ..level..), alpha=0.5, geom="polygon",show.legend=FALSE)+
  geom_point(colour="red")+
  geom_path(data=map.df,aes(x=long, y=lat, group=group), colour="grey50")+
  scale_fill_gradientn(colours=rev(brewer.pal(7,"Spectral")))+
  xlim(-10,+2.5) +
  ylim(+47,+60) +
  coord_fixed(1.7) +
  theme_void()

它产生了这样的结果：

太好了。它起作用了。但是我不知道这个传说是什么意思。我确实找到了这个维基百科页面：

他们使用的例子（包括红色、橙色和黄色）说明：

彩色轮廓对应于包含以下内容的最小区域： 各自的概率质量：红色=25%，橙色+红色=50%，黄色 +橙色+红色=75%

然而，使用stat_density2d，我的地图中有11条等高线。有人知道stat_density2d是如何工作的吗？这个传说意味着什么？理想情况下，我希望能够陈述一些东西，比如红色轮廓包含25%的绘图等

---

我读过这篇文章：但我仍然一点也不聪明。

让我们以ggplot2中忠实的

为例：

ggplot(faithful, aes(x = eruptions, y = waiting)) +
  stat_density_2d(aes(fill = factor(stat(level))), geom = "polygon") +
  geom_point() +
  xlim(0.5, 6) +
  ylim(40, 110)

（为没能让这个更漂亮提前道歉）


标高是三维“山脉”被切割的高度。我不知道如何（其他人可能）将其转化为一个百分比，但我知道如何让你得到所说的百分比

如果我们查看该图表，级别
0.002
包含绝大多数点（除2点外）。Level
0.004
实际上是两个多边形，它们包含除十几个点以外的所有点。如果我得到了你要问的要点，那就是你想知道的，除了不计算，而是给定水平上多边形所包含的点的百分比。使用所涉及的各种ggplot2“统计数据”中的方法进行计算非常简单

请注意，在导入
tidyverse
和
sp
软件包时，我们将使用一些其他完全限定的函数。现在，让我们稍微重塑一下
忠实的
数据：

library(tidyverse)
library(sp)

xdf <- select(faithful, x = eruptions, y = waiting)

我不会用
str（）
output把答案弄得乱七八糟，但是看看那里发生了什么是很有趣的

我们可以使用空间运算来计算给定多边形内的点数，然后我们可以在同一级别对多边形进行分组，以提供每个级别的计数和百分比：

SpatialPolygons(
  lapply(1:length(cl), function(idx) {
    Polygons(
      srl = list(Polygon(
        matrix(c(cl[[idx]]$x, cl[[idx]]$y), nrow=length(cl[[idx]]$x), byrow=FALSE)
      )),
      ID = idx
    )
  })
) -> cont

coordinates(xdf) <- ~x+y

data_frame(
  ct = sapply(over(cont, geometry(xdf), returnList = TRUE), length),
  id = 1:length(ct),
  lvl = sapply(cl, function(x) x$level)
) %>% 
  count(lvl, wt=ct) %>% 
  mutate(
    pct = n/length(xdf),
    pct_lab = sprintf("%s of the points fall within this level", scales::percent(pct))
  )
## # A tibble: 12 x 4
##      lvl     n    pct pct_lab                              
##    <dbl> <int>  <dbl> <chr>                                
##  1 0.002   270 0.993  99.3% of the points fall within this level
##  2 0.004   259 0.952  95.2% of the points fall within this level
##  3 0.006   249 0.915  91.5% of the points fall within this level
##  4 0.008   232 0.853  85.3% of the points fall within this level
##  5 0.01    206 0.757  75.7% of the points fall within this level
##  6 0.012   175 0.643  64.3% of the points fall within this level
##  7 0.014   145 0.533  53.3% of the points fall within this level
##  8 0.016    94 0.346  34.6% of the points fall within this level
##  9 0.018    81 0.298  29.8% of the points fall within this level
## 10 0.02     60 0.221  22.1% of the points fall within this level
## 11 0.022    43 0.158  15.8% of the points fall within this level
## 12 0.024    13 0.0478  4.8% of the points fall within this level 

空间多边形(
搭接（1：长度（cl），函数（idx）{
多边形(
srl=列表（多边形）(
矩阵（c（cl[[idx]]$x，cl[[idx]]$y），nrow=长度（cl[[idx]]]$x），byrow=假）
)),
ID=idx
)
})
)->续
坐标（xdf）%
计数（lvl，wt=ct）%>%
变异(
pct=n/长度（xdf），
pct_lab=sprintf（“有%s个点属于此级别”，比例：：百分比（pct））
)
###tibble:12 x 4
##lvl n pct pct_实验室
##                                        
##1 0.002 270 0.993 99.3%的分数属于该水平
##2 0.004 259 0.952 95.2%的分数属于该水平
##3 0.006 249 0.915 91.5%的分数属于该水平
##4 0.008 232 0.853 85.3%的分数属于该水平
##5 0.01 206 0.757 75.7%的分数属于该水平
##6 0.012 175 0.643 64.3%的分数属于该水平
##7 0.01445 0.533 53.3%的分数属于该水平
##8 0.016 94 0.346 34.6%的分数属于该水平
##9 0.018 81 0.298 29.8%的分数属于该水平
##10 0.02 60 0.221 22.1%的分数属于该水平
##11 0.022 43 0.158 15.8%的分数属于该水平
##12 0.024 13 0.0478 4.8%的分数属于该水平

我只是为了避免喋喋不休，但百分比将根据您如何修改密度计算的各种参数而变化（我的
ggalt:：geom_bkde2d（）
使用了不同的估算器，也是如此）

如果有一种方法可以在不重新进行计算的情况下挑出百分比，那么最好的方法就是让其他人证明他们比写这个答案的人聪明多了（希望能用比最近看起来更圆滑的方式）。
谢谢。我将消化链接：）我看到你在那里发布，但我仍然不确定我是如何解释结果的，即每个级别意味着什么？我问，就像有人问我每个轮廓意味着什么，我无法解释。它是否简单到“如果有10个级别，则表示每个级别为10%”，因此标记为红色的数据是最密集的10%，下一个级别是最密集的20%。我无法用语言表达你的回答有多大帮助。这就是我想要的答案，还有更多！感谢您花时间回复。明天我一回到工作岗位，我就会运行额外的代码，这样我就能对他们做出回应，他们会非常高兴的！很高兴为您提供帮助，我可能会在ggplot2中使用PR，将其添加为一个额外的计算统计数据，可用于图例与级别，因为我也认为它更有用。嘿，代码运行了，但没有得到我想要的响应，不幸的是，它只显示了9个级别，而不是12个级别，其中5个级别没有数据。我注意到您在创建zdf之前创建了中断，所以我将其移动了。我是否需要更改某些内容以使其适合我的数据？我使用的是经度和纬度，我的“xdf”包含664个经度/纬度观测值。如果你想看一下，这是我的“xdf”数据：#ty！我很少在$DAYJOB中使用空间数据（我在网络安全部门工作），所以任何时候使用真实世界的空间数据都是一种享受！
SpatialPolygons(
  lapply(1:length(cl), function(idx) {
    Polygons(
      srl = list(Polygon(
        matrix(c(cl[[idx]]$x, cl[[idx]]$y), nrow=length(cl[[idx]]$x), byrow=FALSE)
      )),
      ID = idx
    )
  })
) -> cont

coordinates(xdf) <- ~x+y

data_frame(
  ct = sapply(over(cont, geometry(xdf), returnList = TRUE), length),
  id = 1:length(ct),
  lvl = sapply(cl, function(x) x$level)
) %>% 
  count(lvl, wt=ct) %>% 
  mutate(
    pct = n/length(xdf),
    pct_lab = sprintf("%s of the points fall within this level", scales::percent(pct))
  )
## # A tibble: 12 x 4
##      lvl     n    pct pct_lab                              
##    <dbl> <int>  <dbl> <chr>                                
##  1 0.002   270 0.993  99.3% of the points fall within this level
##  2 0.004   259 0.952  95.2% of the points fall within this level
##  3 0.006   249 0.915  91.5% of the points fall within this level
##  4 0.008   232 0.853  85.3% of the points fall within this level
##  5 0.01    206 0.757  75.7% of the points fall within this level
##  6 0.012   175 0.643  64.3% of the points fall within this level
##  7 0.014   145 0.533  53.3% of the points fall within this level
##  8 0.016    94 0.346  34.6% of the points fall within this level
##  9 0.018    81 0.298  29.8% of the points fall within this level
## 10 0.02     60 0.221  22.1% of the points fall within this level
## 11 0.022    43 0.158  15.8% of the points fall within this level
## 12 0.024    13 0.0478  4.8% of the points fall within this level