4

假设我有一个变量在几个不同的迭代中的蒙特卡罗模拟的输出（想想数百万）。对于每次迭代，我都有每个时间点的变量值（范围从 t=1 到 t=365）。

我想制作以下图：对于x轴上的每个时间点t以及给定范围内的每个可能值“y”，将x，y的颜色设置为“k”，其中“k”是在距离 "d" 到 x,y 的附近有多少观测值的计数。

我知道您可以轻松地为一维数据制作密度热图，但是是否有一个很好的包可以在二维上执行此操作？我必须使用克里金法吗？

编辑：数据结构目前是一个矩阵。

                                     data matrix

                                      day number
             [,1]    [,2]         [,3]      [,4]       [,5]      ... [,365]
iteration    [1,]    0.000213   0.001218    0.000151   0.000108  ... 0.000101
             [2,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [3,]    0.000314   0.000281    0.000117   0.000103  ... 0.000305
             [4,]    0.000171   0.000155    0.000141   0.000219  ... 0.000201
              .
              .
              .
     [100000000,]    0.000141   0.000148    0.000144   0.000226  ... 0.000188

我想，对于每个“天”，像素在那个“天”上垂直运行，以表示该天迭代值的概率密度。结果应该看起来像热图。

4

1 回答 1

3

这是我认为您所追求的一种解决方案。

  1. 生成数据。

    myData <- mapply(rnorm, 1000, 200, mean=seq(-50,50,0.5))

这是一个包含 1000 行（观察）和 201 个时间点的矩阵。在每个时间点，数据的平均值从-50逐渐变化到50。每次0.5。

  1. 获取密度。

    myDensities <- apply(myData, 2, density, from=-500, to=500)

这将为您提供每列的密度列表。为了让它们可以并排绘制，我们手动指定了范围（从 -500 到 500）。

  1. 从列表中获取密度值。

    Ys <- sapply(myDensities, "[", "y")

这又是一个清单。你需要从中得到一个矩阵。

  1. 从列表中获取矩阵。

    img <- do.call(cbind, Ys)

这只是Ys按列组合所有元素。

  1. 阴谋。

    filled.contour(x=1:ncol(img), y=myDensities[[1]]$x, t(img))

我为此使用了filled.contour。但是您可以四处寻找其他二维绘图功能。我还使用了从密度获得的值D[[1]]$x。

结果如下：

密度

从 -50 到 50 的转变是可见的。

不确定这是否适用于数百万个时间点。但是绘制百万可能没有什么意义，因为无论如何您都会受到像素数量的限制。可能需要进行某种预处理。

于 2015-06-13T17:15:46.597 回答