R:mgcv 将颜色条添加到 GAM 的 2D 热图

Question

我正在使用mgcv拟合 gam 并使用默认的plot.gam()函数绘制结果。 我的模型包括一个 2D 平滑器，我想将结果绘制为热图。 有没有办法为热图添加颜色条？

我以前研究过其他 GAM 灌封包，但没有一个提供必要的可视化。 请注意，这只是出于说明目的的简化； 实际模型（和报告需求）要复杂得多

编辑：我最初在我的张量产品中交换了 y 和 z，更新以反映代码和图中的正确版本

df.gam<-gam(y~te(x,z), data=df, method='REML')
plot(df.gam, scheme=2, hcolors=heat.colors(999, rev =T), rug=F)

样本数据：

structure(list(x = c(3, 17, 37, 9, 4, 11, 20.5, 11.5, 16, 17, 
18, 15, 13, 29.5, 13.5, 25, 15, 13, 20, 20.5, 17, 11, 11, 5, 
16, 13, 3.5, 16, 16, 5, 20.5, 2, 20, 9, 23.5, 18, 3.5, 16, 23, 
3, 37, 24, 5, 2, 9, 3, 8, 10.5, 37, 3, 9, 11, 10.5, 9, 5.5, 8, 
22, 15.5, 18, 15, 3.5, 4.5, 20, 22, 4, 8, 18, 19, 26, 9, 5, 18, 
10.5, 30, 15, 13, 27, 19, 5.5, 18, 11.5, 23.5, 2, 25, 30, 17, 
18, 5, 16.5, 9, 2, 2, 23, 21, 15.5, 13, 3, 24, 17, 4.5), z = c(144, 
59, 66, 99, 136, 46, 76, 87, 54, 59, 46, 96, 38, 101, 84, 64, 
92, 56, 69, 76, 93, 109, 46, 124, 54, 98, 131, 89, 69, 124, 105, 
120, 69, 99, 84, 75, 129, 69, 74, 112, 66, 78, 118, 120, 103, 
116, 98, 57, 66, 116, 108, 95, 57, 41, 20, 89, 61, 61, 82, 52, 
129, 119, 69, 61, 136, 98, 94, 70, 77, 108, 118, 94, 105, 52, 
52, 38, 73, 59, 110, 97, 87, 84, 119, 64, 68, 93, 94, 9, 96, 
103, 119, 119, 74, 52, 95, 56, 112, 78, 93, 119), y = c(96.535, 
113.54, 108.17, 104.755, 94.36, 110.74, 112.83, 110.525, 103.645, 
117.875, 105.035, 109.62, 105.24, 119.485, 107.52, 107.925, 107.875, 
108.015, 115.455, 114.69, 116.715, 103.725, 110.395, 100.42, 
108.79, 110.94, 99.13, 110.935, 112.94, 100.785, 110.035, 102.95, 
108.42, 109.385, 119.09, 110.93, 99.885, 109.96, 116.575, 100.91, 
114.615, 113.87, 103.08, 101.15, 98.68, 101.825, 105.36, 110.045, 
118.575, 108.45, 99.21, 109.19, 107.175, 103.14, 94.855, 108.15, 
109.345, 110.935, 112.395, 111.13, 95.185, 100.335, 112.105, 
111.595, 100.365, 108.75, 116.695, 110.745, 112.455, 104.92, 
102.13, 110.905, 107.365, 113.785, 105.595, 107.65, 114.325, 
108.195, 96.72, 112.65, 103.81, 115.93, 101.41, 115.455, 108.58, 
118.705, 116.465, 96.89, 108.655, 107.225, 101.79, 102.235, 112.08, 
109.455, 111.945, 104.11, 94.775, 110.745, 112.44, 102.525)), row.names = c(NA, 
-100L), class = "data.frame")

Answer 1

在 ggplot2 生态圈内可靠地做到这一点会更容易（恕我直言）。

我将使用我的 {gratia} 包展示一个罐头方法，但也会结帐 {mgcViz}。 我还将建议一个更通用的解决方案，使用 {gratia} 中的工具来获取有关模型平滑度的额外信息，然后使用ggplot()自己绘制它们。

library('mgcv')
library('gratia')
library('ggplot2')
library('dplyr')

# load your snippet of data via df <- structure( .... )

# then fit your model (note you have y as response & in the tensor product
# I assume z is the response below and x and y are coordinates
m <- gam(z ~ te(x, y), data=df, method='REML')

# now visualize the mode using {gratia}
draw(m)

这产生：

{gratia} 的draw()方法还不能绘制所有内容，但是在它不起作用的地方，您仍然应该能够使用 {gratia} 中的工具评估您需要的数据，然后您可以使用ggplot()绘制这些ggplot()自己动手。

要获取平滑值，即plot.gam()或draw()显示的绘图背后的数据，请使用gratia::smooth_estimates()

# dist controls what we do with covariate combinations too far
# from support of the data. 0.1 matches mgcv:::plot.gam behaviour
sm <- smooth_estimates(m, dist = 0.1)

屈服

r$> sm                                                                          
# A tibble: 10,000 × 7
   smooth  type   by      est    se     x     y
   <chr>   <chr>  <chr> <dbl> <dbl> <dbl> <dbl>
 1 te(x,y) Tensor NA     35.3 11.5      2  94.4
 2 te(x,y) Tensor NA     35.5 11.0      2  94.6
 3 te(x,y) Tensor NA     35.7 10.6      2  94.9
 4 te(x,y) Tensor NA     35.9 10.3      2  95.1
 5 te(x,y) Tensor NA     36.2  9.87     2  95.4
 6 te(x,y) Tensor NA     36.4  9.49     2  95.6
 7 te(x,y) Tensor NA     36.6  9.13     2  95.9
 8 te(x,y) Tensor NA     36.8  8.78     2  96.1
 9 te(x,y) Tensor NA     37.0  8.45     2  96.4
10 te(x,y) Tensor NA     37.2  8.13     2  96.6
# … with 9,990 more rows

在输出中， x和y是两个协变量范围内的值的网格（每个协变量中网格中的点数由n控制，使得 2d 张量积平滑的网格大小为n × n ） . est是估计值中的协变量的值的平滑和se其标准误差。 对于具有多个平滑的模型， smooth变量使用 {mgcv} 为每个平滑提供的内部标签 - 这些是您在 GAM 上调用summary()获得的输出中使用的标签。

如果需要，我们可以使用add_confint()添加置信区间。

现在您可以使用ggplot()手动绘制平滑图。 此时你有两个选择

1. 如果draw()可以处理您想要绘制的平滑类型，则可以对该对象使用draw()方法，然后在其基础上进行构建，或者
2. 手工绘制一切。

选项1

# evaluate just the smooth you want to plot
smooth_estimates(m, smooth = "te(x,y)", dist = 0.1) %>%
draw() +
  geom_point(data = df, alpha = 0.2) # add a point layer for original data

当给定模型对象本身时，这几乎可以为您提供draw()生成的内容。 您可以将其添加为ggplot对象（ gratia:::draw.gam()返回的对象不是这种情况，它由 {patchwork} 包装并且需要其他方式与绘图交互）。

选项 2

在这里您可以完全控制

sm <- smooth_estimates(m, smooth = "te(x,y)", dist = 0.1)
ggplot(sm, aes(x = x, y = y)) +
  geom_raster(aes(fill = est)) +
  geom_point(data = df, alpha = 0.2) + # add a point layer for original data
  scale_fill_viridis_c(option = "plasma")

产生

一个发散的调色板可能会更好，沿着一个gratia:::draw.smooth_estimates使用

sm <- smooth_estimates(m, smooth = "te(x,y)", dist = 0.1)
ggplot(sm, aes(x = x, y = y)) +
  geom_raster(aes(fill = est)) +
  geom_contour(aes(z = est), colour = "black") +
  geom_point(data = df, alpha = 0.2) + # add a point layer for original data
  scale_fill_distiller(palette = "RdBu", type = "div") +
  expand_limits(fill = c(-1,1) * abs(max(sm[["est"]])))

产生

最后，如果 {gratia} 无法处理您的模型，我很感谢您在此处提交错误报告，以便我能够支持尽可能多的模型类型。 但是也请尝试使用 {mgcViz} 来获取使用 {mgcv} 拟合的可视化 GAM 的替代方法。

Answer 2

遵循 Gavin Simpson 的回答和这个线程（ 如何在 R 中添加带有透视图的plot.gam() ），我想我想出了一个使用plot.gam()的解决方案（尽管我真的很喜欢 {gratia} 将它带入 ggplot宇宙，并且肯定会对此进行更多研究）

require(fields)
df.gam<-gam(y~te(x,z), data=df, method='REML')
sm <- as.data.frame(smooth_estimates(df.gam, dist = 0.1))
plot(df.gam, scheme=2, hcolors=heat.colors(999, rev =T), contour.col='black', rug=F,  main='', cex.lab=1.75, cex.axis=1.75)
image.plot(legend.only=T, zlim=range(sm$est), col=heat.colors(999, rev =T), legend.shrink = 0.5, axis.args = list(at =c(-10,-5,0,5, 10, 15, 20)))

我希望我能正确理解gratia:smooth_estimates()实际上会消除部分效果。

对于我的具有多个术语（和多个张量积）的模型，通过在sm索引各个术语的部分，这似乎可以很好地工作。 除了一个，颜色条和热图不太匹配。 我无法提供实际的底层数据，但可以添加该图以供说明，以防万一有人有任何想法。 我正在使用与上述相同的方法。 在颜色条中，深红色位于 15-20，但在热图中，刚好在 0 上方的等值线已经与深红色对应（而 0 在颜色条中是深黄色）。

Answer 3

基本绘图解决方案是直接使用fields::image.plot 。 不幸的是，它需要经典宽格式的数据，而不是 ggplot 所需的长格式。

我们可以通过抓取plot.gam()返回的对象来促进绘图，然后对对象进行一些操作以获得我们需要的image.plot()

继plot.gam()的回答之后，我们不再使用plot.gam()绘图然后使用image.plot()添加图例，而是继续使用plot.gam()来获取我们需要绘制的内容，但在image.plot()

plt <- plot(df.gam)
plt <- plt[[1]] # plot.gam returns a list of n elements, one per plot

# extract the `$fit` variable - this is est from smooth_estimates
fit <- plt$fit
# reshape fit (which is a 1 column matrix) to have dimension 40x40
dim(fit) <- c(40,40)
# plot with image.plot
image.plot(x = plt$x, y = plt$y, z = fit, col = heat.colors(999, rev = TRUE))
contour(x = plt$x, y = plt$y, z = fit, add = TRUE)
box()

这产生：

您还可以使用fields::plot.surface()函数

l <- list(x = plt$x, y = plt$y, z = fit)
plot.surface(l, type = "C", col = heat.colors(999, rev = TRUE))
box()

这产生：

有关修改等高线图等的其他参数，请参阅?fields::plot.surface 。

如图所示，这些在颜色条上都有正确的范围。 看起来@Anke 的版本在所有图中都关闭了颜色条映射，但大多数情况下只是一点点，所以它并不那么明显。