Cómo dar color a cada clase en el diagrama de dispersión en R?

Question

En un conjunto de datos, quiero tomar dos atributos y crear un diagrama de dispersión supervisado. ¿Alguien sabe cómo dar diferente color a cada clase?

Estoy tratando de usar col == c("red","blue","yellow") en el comando de trazado, pero no estoy seguro si es correcto como si incluyera un color más, ese color también viene en el diagrama de dispersión aunque solo tengo 3 clases.

Gracias

Answer 1

Si tiene las clases separadas en una trama de datos o una matriz, entonces se puede utilizar matplot. Por ejemplo, si tenemos

dat<-as.data.frame(cbind(c(1,2,5,7),c(2.1,4.2,-0.5,1),c(9,3,6,2.718))) 

plot.new() 
plot.window(c(0,nrow(dat)),range(dat)) 
matplot(dat,col=c("red","blue","yellow"),pch=20) 

Luego le ponen un diagrama de dispersión, donde la primera columna de dat se representa en rojo, la segunda en azul, y el tercero en amarillo. Por supuesto, si quieres x separadas y valores de y para sus clases de color, entonces puede tener datx y daty, etc.

Un enfoque alternativo sería la de virar en una columna adicional que especifica qué color usted quiere (o mantener una vector adicional de colores, llenándolo iterativamente con un bucle for y algunas ramas if). Por ejemplo, esto le ayudará a la misma parcela:

dat<-as.data.frame(
    cbind(c(1,2,5,7,2.1,4.2,-0.5,1,9,3,6,2.718) 
    ,c(rep("red",4),rep("blue",4),rep("yellow",4)))) 

dat[,1]=as.numeric(dat[,1]) #This is necessary because 
          #the second column consisting of strings confuses R 
          #into thinking that the first column must consist of strings, too 
plot(dat[,1],pch=20,col=dat[,2]) 

Answer 2

Una forma es utilizar el paquete de celosía y xyplot():

R> DF <- data.frame(x=1:10, y=rnorm(10)+5, 
+>     z=sample(letters[1:3], 10, replace=TRUE)) 
R> DF 
    x  y z 
1 1 3.91191 c 
2 2 4.57506 a 
3 3 3.16771 b 
4 4 5.37539 c 
5 5 4.99113 c 
6 6 5.41421 a 
7 7 6.68071 b 
8 8 5.58991 c 
9 9 5.03851 a 
10 10 4.59293 b 
R> with(DF, xyplot(y ~ x, group=z)) 

Al dar información de agrupamiento explícita, mediante la variación z, se obtienen diferentes colores. Puede especificar colores, etc., consulte la documentación de celosía.

Debido z aquí es una variable de factor por el cual se obtienen los niveles (== índices numéricos), también se puede hacer

R> with(DF, plot(x, y, col=z)) 

pero que es menos transparente (para mí, al menos :) entonces xyplot() et al.

Answer 3

Aquí hay un ejemplo que construí basado en this page.

library(e1071); library(ggplot2) 

mysvm  <- svm(Species ~ ., iris) 
Predicted <- predict(mysvm, iris) 

mydf = cbind(iris, Predicted) 
qplot(Petal.Length, Petal.Width, colour = Species, shape = Predicted, 
    data = iris) 

Esto le da la salida. Puede detectar fácilmente las especies mal clasificadas de esta figura.

Answer 4

Aquí es una solución utilizando los gráficos tradicionales (y los datos de Dirk):

> DF <- data.frame(x=1:10, y=rnorm(10)+5, z=sample(letters[1:3], 10, replace=TRUE)) 
> DF 
    x  y z 
1 1 6.628380 c 
2 2 6.403279 b 
3 3 6.708716 a 
4 4 7.011677 c 
5 5 6.363794 a 
6 6 5.912945 b 
7 7 2.996335 a 
8 8 5.242786 c 
9 9 4.455582 c 
10 10 4.362427 a 
> attach(DF); plot(x, y, col=c("red","blue","green")[z]); detach(DF) 

Esto se basa en el hecho de que DF$z es un factor, por lo que cuando subsetting por ella, sus valores será tratado como enteros.Por lo que los elementos del vector de color variarán con z de la siguiente manera:

> c("red","blue","green")[DF$z] 
[1] "green" "blue" "red" "green" "red" "blue" "red" "green" "green" "red"  

Usted puede agregar una leyenda utilizando la función legend:

legend(x="topright", legend = levels(DF$z), col=c("red","blue","green"), pch=1) 

Answer 5

supone que la variable de clase es z, puede utilizar:

with(df, plot(x, y, col = z)) 

Sin embargo, es importante que z sea una variable de factor, ya que R almacena internamente factores como enteros.

De esta manera, 1 es 'negro', 2 es 'rojo', es decir 3 'verde, ....