Топоплот в ggplot2 - 2D визуализация, например, данных ЭЭГ

Можно ggplot2 использоваться для производства так называемого топоплота (часто используется в нейробиологии)?

topoplot

Пример данных:

   label          x          y     signal
1     R3 0.64924459 0.91228430  2.0261520
2     R4 0.78789621 0.78234410  1.7880972
3     R5 0.93169511 0.72980685  0.9170998
4     R6 0.48406513 0.82383895  3.1933129

Полная выборка данных.

Ряды представляют отдельные электроды. Колонны x а также y представлять проекцию в 2D-пространство и столбец signal по существу, ось Z представляет напряжение, измеренное на данном электроде.

stat_contour не работает, видимо из-за неравной сетки.

geom_density_2d только обеспечивает оценку плотности x а также y,

geom_raster это не подходит для этой задачи, или я должен использовать его неправильно, так как он быстро исчерпывает память.

Сглаживание (как на рисунке справа) и контуры головы (нос, уши) не нужны.

Я хочу избежать Matlab и преобразования данных так, чтобы они соответствовали тому или иному набору инструментов... Большое спасибо!

Обновление (26 января 2016 г.)

Самое близкое, что я смог достичь своей цели - это через

library(colorRamps)
ggplot(channels, aes(x, y, z = signal)) + stat_summary_2d() + scale_fill_gradientn(colours=matlab.like(20))

который производит изображение как это:

Обновление 2 (27 января 2016 г.)

Я попробовал подход @alexforrence с полными данными, и вот результат:

подход @alexforrence

Это отличное начало, но есть пара вопросов:

  1. Последний звонок (ggplot()) занимает около 40 секунд на Intel i7 4790K, в то время как наборы инструментов Matlab удается генерировать их практически мгновенно; мое "экстренное решение" выше занимает около секунды.
  2. Как вы можете видеть, верхняя и нижняя границы центральной части выглядят "нарезанными" - я не уверен, что является причиной этого, но это может быть третьей проблемой.

  3. Я получаю эти предупреждения:

    1: Removed 170235 rows containing non-finite values (stat_contour). 
2: Removed 170235 rows containing non-finite values (stat_contour).

Обновление 3 (27 января 2016 г.)

Сравнение двух участков, полученных с разными interp(xo, yo) а также stat_contour(binwidth) ценности:

сравнение между разными значениями

Рваные края, если кто-то выбирает низкий interp(xo, yo), в этом случае xo / yo = seq(0, 1, length = 100):

неровные края

Источник

1 ответ

Решение

Вот потенциальное начало:

Сначала мы приложим несколько пакетов. Я использую Акиму для линейной интерполяции, хотя похоже, что EEGLAB использует здесь какую-то сферическую интерполяцию ? (данные были немного редкими, чтобы попробовать это).

library(ggplot2)
library(akima)
library(reshape2)

Далее читаем в данных:

dat <- read.table(text = "   label          x          y     signal
1     R3 0.64924459 0.91228430  2.0261520
2     R4 0.78789621 0.78234410  1.7880972
3     R5 0.93169511 0.72980685  0.9170998
4     R6 0.48406513 0.82383895  3.1933129")

Мы будем интерполировать данные и вставлять их во фрейм данных.

datmat <- interp(dat$x, dat$y, dat$signal, 
                 xo = seq(0, 1, length = 1000),
                 yo = seq(0, 1, length = 1000))
datmat2 <- melt(datmat$z)
names(datmat2) <- c('x', 'y', 'value')
datmat2[,1:2] <- datmat2[,1:2]/1000 # scale it back

Я собираюсь позаимствовать некоторые предыдущие ответы. circleFun ниже - отрисовать круг с помощью ggplot2.

circleFun <- function(center = c(0,0),diameter = 1, npoints = 100){
  r = diameter / 2
  tt <- seq(0,2*pi,length.out = npoints)
  xx <- center[1] + r * cos(tt)
  yy <- center[2] + r * sin(tt)
  return(data.frame(x = xx, y = yy))
}

circledat <- circleFun(c(.5, .5), 1, npoints = 100) # center on [.5, .5]

# ignore anything outside the circle
datmat2$incircle <- (datmat2$x - .5)^2 + (datmat2$y - .5)^2 < .5^2 # mark
datmat2 <- datmat2[datmat2$incircle,]

И мне очень понравился внешний вид контурного графика в выводе R plot fill.contour() в ggpplot2, поэтому мы заимствуем его.

ggplot(datmat2, aes(x, y, z = value)) +
  geom_tile(aes(fill = value)) +
  stat_contour(aes(fill = ..level..), geom = 'polygon', binwidth = 0.01) +
  geom_contour(colour = 'white', alpha = 0.5) +
  scale_fill_distiller(palette = "Spectral", na.value = NA) + 
  geom_path(data = circledat, aes(x, y, z = NULL)) +
  # draw the nose (haven't drawn ears yet)
  geom_line(data = data.frame(x = c(0.45, 0.5, .55), y = c(1, 1.05, 1)), 
            aes(x, y, z = NULL)) +
  # add points for the electrodes
  geom_point(data = dat, aes(x, y, z = NULL, fill = NULL), 
             shape = 21, colour = 'black', fill = 'white', size = 2) +
  theme_bw()

С улучшениями, упомянутыми в комментариях (настройка extrap = TRUE а также linear = FALSE в interp вызов, чтобы заполнить пробелы и сделать сплайн-сглаживание, соответственно, и удаление NA перед построением), мы получаем:

mgcv может делать сферические сплайны. Это заменяет akima (блок, содержащий interp() не нужен).

library(mgcv)
spl1 <- gam(signal ~ s(x, y, bs = 'sos'), data = dat)
# fine grid, coarser is faster
datmat2 <- data.frame(expand.grid(x = seq(0, 1, 0.001), y = seq(0, 1, 0.001)))
resp <- predict(spl1, datmat2, type = "response")
datmat2$value <- resp

Источник
Другие вопросы по тегам