R散点图：符号颜色代表重叠点的数量

当许多点重叠时，散点图可能很难解释，因为这种重叠会掩盖特定区域中数据的密度。一种解决方案是对绘制点使用半透明颜色，以便不透明区域表明这些坐标中存在许多观测值。

下面是我在 R 中的黑白解决方案的示例：

MyGray <- rgb(t(col2rgb("black")), alpha=50, maxColorValue=255)
x1 <- rnorm(n=1E3, sd=2)
x2 <- x1*1.2 + rnorm(n=1E3, sd=2)
dev.new(width=3.5, height=5)
par(mfrow=c(2,1), mar=c(2.5,2.5,0.5,0.5), ps=10, cex=1.15)
plot(x1, x2, ylab="", xlab="", pch=20, col=MyGray)
plot(x1, x2, ylab="", xlab="", pch=20, col="black")

然而，我最近遇到这篇文章发表在《美国国家科学院院刊》上 http://www.pnas.org/content/110/24/9824.full.pdf，它采用了类似的方法，但使用热图着色而不是不透明度作为有多少点重叠的指示器。该文章是开放获取的，因此任何人都可以下载 .pdf 并查看图 1，其中包含我要创建的图表的相关示例。本文的方法部分表明分析是在 Matlab 中完成的。

为了方便起见，这里摘取上述文章中图 1 的一小部分：

如何在 R 中创建一个使用颜色而不是不透明度作为点密度指标的散点图？

对于初学者，R 用户可以在install.packages("fields")库，使用函数tim.colors().

有没有一种简单的方法可以在 R 中制作类似于上述文章图 1 的图形？谢谢！

一种选择是使用densCols()提取每个点的核密度。将这些密度映射到所需的色带，并按照局部密度增加的顺序绘制点，可以得到与链接文章中的图形非常相似的图。

## Data in a data.frame
x1 <- rnorm(n=1E3, sd=2)
x2 <- x1*1.2 + rnorm(n=1E3, sd=2)
df <- data.frame(x1,x2)

## Use densCols() output to get density at each point
x <- densCols(x1,x2, colramp=colorRampPalette(c("black", "white")))
df$dens <- col2rgb(x)[1,] + 1L

## Map densities to colors
cols <-  colorRampPalette(c("#000099", "#00FEFF", "#45FE4F", 
                            "#FCFF00", "#FF9400", "#FF3100"))(256)
df$col <- cols[df$dens]

## Plot it, reordering rows so that densest points are plotted on top
plot(x2~x1, data=df[order(df$dens),], pch=20, col=col, cex=2)