Me he encontrado con una serie de situaciones en las que quiero trazar más puntos de los que realmente debería tener: la principal dificultad es que cuando comparto mis tramas con personas o las incrusto en documentos, ocupan demasiado espacio. Es muy sencillo muestrear aleatoriamente las filas en un marco de datos.puntos máximos de trazado en R?
si quiero una muestra verdaderamente aleatoria de una parcela punto, es fácil decir:
ggplot(x,y,data=myDf[sample(1:nrow(myDf),1000),])
Sin embargo, me preguntaba si había más efectiva (idealmente en lata) formas de especificar el número de puntos de la trama de modo que sus datos reales se reflejen con precisión en la trama. Entonces aquí hay un ejemplo. Supongamos que estoy tramando algo así como el CCDF de una distribución de cola pesada, p.
ccdf <- function(myList,density=FALSE)
{
# generates the CCDF of a list or vector
freqs = table(myList)
X = rev(as.numeric(names(freqs)))
Y =cumsum(rev(as.list(freqs)));
data.frame(x=X,count=Y)
}
qplot(x,count,data=ccdf(rlnorm(10000,3,2.4)),log='xy')
Esto producirá una parcela donde las x & eje y se vuelven cada vez más densa. Aquí sería ideal tener menos muestras trazadas para valores x o y grandes.
¿Alguien tiene alguna sugerencia o sugerencia para resolver problemas similares?
Gracias, -e
Hola Rob, Dirk - Quiero aclarar que yo soy no buscando una forma de lidiar con el sobrerrollado usando un método de visualización diferente. Específicamente, quiero hacer un diagrama de puntos que pueda incrustar en un papel LaTeX como un gráfico vectorial escalable. La forma en que me gustaría hacer esto es reducir el número de puntos de trama necesarios para transmitir mis datos. – eytan
Entonces el submuestreo puede ser su mejor opción. Eso, por supuesto, puede hacerse con un muestreo "no uniforme", por lo que es posible que desee mantener más puntos (o incluso todos) de las colas, pero puede darse el lujo de reducir la parte principal de manera espectacular. Pero esto parece específico del problema, por lo que es posible que deba cocinarlo usted mismo. –