密度图的密度估计_不同类型的二维密度图小教程

R相关小教程链接：

用R构建气泡图案例小教程

【小教程】散点图、饼图怎么在我的文章中完美展示小教程

热图在论文发表中完美呈现小教程

R与密度、函数、变量的微妙关系

北京市计算中心医用数据库建设解决方案

更多内容，请关注“生信会议”公众号

Different types of 2d density chart. Source

Density 2d

2d密度图显示了两个数值变量之间的关系。一个在X轴上，另一个在Y轴上，就像散点图一样。然后，在二维空间的特定区域内观察到的数量被计数并由颜色梯度表示。二维密度图有几种类型:

01

Definition

Definition

此页面专门用于一组图形，允许研究两个定量变量的组合分布。这些图形基本上是众所周知的密度图和直方图的扩展。
对于每个变化，全局概念是相同的。一个变量在X轴上表示，另一个变量在Y轴上表示，就像散射图(1)一样)。然后，计算二维空间特定区域内的观测数，并用颜色梯度表示。形状可以变化：

· 六边形经常被使用，导致一个六边形图表(2)

· 正方形制作2d直方图(3)

· 计算核密度估计也可以得到2d密度图(5)或等高线图(6)

以下是这些不同可能性的概述

# Librariesimport numpy as npimport matplotlib.pyplot as pltfrom scipy.stats import kde

 # Create data: 200 points

data = np.random.multivariate_normal([0, 0], [[1, 0.5], [0.5, 3]], 200)

x, y = data.T

 # Create a figure with 6 plot areas

fig, axes = plt.subplots(ncols=6, nrows=1, figsize=(21, 5))

 # Everything starts with a Scatterplot

axes[0].set_title('Scatterplot')

axes[0].plot(x, y, 'ko')# Thus we can cut the plotting window in several hexbins

nbins = 20

axes[1].set_title('Hexbin')

axes[1].hexbin(x, y, gridsize=nbins, cmap=plt.cm.BuGn_r)

 # 2D Histogram

axes[2].set_title('2D Histogram')

axes[2].hist2d(x, y, bins=nbins, cmap=plt.cm.BuGn_r)

 # Evaluate a gaussian kde on a regular grid of nbins x nbins over data extents

k = kde.gaussian_kde(data.T)

xi, yi = np.mgrid[x.min():x.max():nbins*1j, y.min():y.max():nbins*1j]

zi = k(np.vstack([xi.flatten(), yi.flatten()]))

 # plot a density

axes[3].set_title('Calculate Gaussian KDE')

axes[3].pcolormesh(xi, yi, zi.reshape(xi.shap