2

我想将一些数据绘制为带有格子的散点图矩阵。但是，数据包含一些异常值。这导致主要数据的图非常压缩。我想从图中删除异常值。一个观测值可以是一个测量变量的异常值，但不能是另一个测量变量的异常值，因此矩阵中的每个散点图都需要计算要移除的异常值。由于异常值构成了大约 10,000 个观测值中的最大 10 个观测值，我正在考虑简单地删除每个变量值最低的 10 个观测值（异常值通常是那些处于更负方向的观测值）。我知道我必须修改面板功能，但我不知道该怎么做。另外，我的下面板是一个 hexbinplot，所以它也应该被修改，我希望这能以同样的方式工作。

MWE：

require(lattice)
require(hexbin)
data(iris)

iris.out <- iris
iris.out[2,1] <- 1
iris.out[3,1] <- .2
iris.out[4,2] <- .1
iris.out[5,2] <- .2

splom(~iris.out[1:4], groups = Species, data = iris,
  lower.panel = function(...,groups){
    panel.hexbinplot(xbins = 20,
                     colramp = function(n){heat.ob(n, beg=15, end=225)},...,groups=NULL)
  },
  diag.panel = function(x,...){
    yrng <- current.panel.limits()$ylim
    d <- density(x, na.rm = TRUE)
    d$y <- with(d, yrng[1] + 0.95 * diff(yrng) * y / max(y))
    panel.lines(d, col = "darkgrey")
    diag.panel.splom(x, ...)
  }

)

4

1 回答 1

1

也许我有一个部分解决方案。对于双变量图，我删除了 x 和 y 中由最低 10 个观察值定义的异常值。此外，“组”因素仅在上面板中实现。

splom(~iris.out[1:4],
  lower.panel=function(x,y,...){
    x.out=order(x,decreasing=FALSE)[1:10]
    y.out=order(x,decreasing=FALSE)[1:10]
    out=c(x.out,y.out)
    x=x[-out]
    y=y[-out]
    panel.hexbinplot(x,y, xbins =20,colramp = function(n){heat.ob(n, beg=15, end=225)},...)
  },
  diag.panel = function(x,...){
    x=x[-order(x,decreasing=FALSE)[1:10]]
    yrng <- current.panel.limits()$ylim
    d <- density(x, na.rm = TRUE)
    d$y <- with(d, yrng[1] + 0.95 * diff(yrng) * y / max(y))
    panel.lines(d, col = "darkgrey")
    diag.panel.splom(x, ...)
  },
  upper.panel=function(x,y,groups=iris$Species,...){
    x.out=order(x,decreasing=FALSE)[1:10]
    y.out=order(x,decreasing=FALSE)[1:10]
    out=c(x.out,y.out)
    x=x[-out]
    y=y[-out]
    panel.splom(x,y,groups=iris$Species,...)
  }
)
于 2013-11-14T23:45:20.150 回答