1. 密度散点图到底解决什么问题做过单细胞转录组或者大规模表达量分析的人大概率都遇到过这个场景手里攥着两个基因的表达矩阵想看看它们的共表达关系于是随手一个plot(x, y)或者ggplot2的geom_point()甩上去。结果呢几万个细胞点下去图面糊成一团黑什么都看不出来。你只能看到一团密集的墨迹根本分不清哪里是数据真正扎堆的地方哪里只是零星几个离群点。这就是普通散点图在面对大数据量时的死穴——过绘制overplotting。点与点之间互相遮挡密度信息完全丢失。你看到的不是数据分布而是点的堆叠顺序。ggpointdensity这个 R 包就是冲着这个问题来的。它做的事情说起来很简单在ggplot2的框架里把散点图的每个点按照局部密度着色密度高的地方颜色深密度低的地方颜色浅。但就是这么一个看似朴素的功能在实际分析里救过无数次场。它让你一眼就能看出双变量分布的核心区域、次要聚集区以及那些真正孤立的异常点。这篇文章适合谁看如果你已经在用 R 做数据分析对ggplot2的基本语法不陌生但还没找到一个趁手的密度散点图方案那这篇就是写给你的。如果你连ggplot2都没碰过建议先把geom_point()和aes()的用法摸熟再回来不然下面的内容会有点吃力。我先把结论摆在这儿ggpointdensity不是唯一的选择geom_hex()、geom_bin2d()、geom_density_2d()都能处理过绘制问题但ggpointdensity在保留单点粒度和视觉直观性之间找到了一个很舒服的平衡点。后面我会详细拆解它为什么能做到这一点以及怎么把它用得漂亮。2. 为什么选 ggpointdensity 而不是其他方案2.1 常见密度可视化方案的横向对比在 R 的生态里处理散点过绘制的手段其实不少但每种方案的适用场景和输出效果差别很大。我先把几个主流方案拉出来遛一遛这样你能清楚地看到ggpointdensity的定位。方案核心原理优点缺点适用场景geom_point() alpha降低点的透明度实现简单保留原始点大数据量下仍然糊alpha 调参靠猜数据量小于 5000geom_hex()六边形分箱统计频数密度表达清晰颜色映射直观丢失单点信息分箱边界影响结果数据量极大只关心分布形态geom_bin2d()矩形分箱统计频数同上实现更简单矩形边界生硬视觉不如六边形快速探索性分析geom_density_2d()二维核密度估计等高线能画出密度轮廓等高线数量难选密集区内部无信息展示分布轮廓ggpointdensity逐点计算局部密度并着色保留每个点密度连续表达计算量随点数增长超大样本偏慢数据量 1 万到 50 万这张表不是要分出谁高谁低而是想说没有万能方案只有匹配场景的方案。geom_hex()在百万级数据上跑得飞快但你没法从六边形里看出某个具体细胞的位置。geom_density_2d()画出来的等高线很优雅但等高线之间的区域是空白的你丢失了点的实际分布。ggpointdensity的独特之处在于它不改变数据的粒度。每个点还是那个点只是颜色变了。这意味着你可以在密度着色的基础上继续用ggplot2的其他图层叠加信息比如标注特定基因、画回归线、分面展示不同条件。这种灵活性是分箱方案给不了的。2.2 ggpointdensity 的底层计算逻辑理解它的计算逻辑对你调参和排查问题很有帮助。ggpointdensity的核心函数是geom_pointdensity()它内部做的事情大致分三步提取 x 和 y 坐标从data中拿到映射到 x 轴和 y 轴的数值向量。计算局部密度对每个点统计它周围一定范围内有多少个其他点。这个“范围”由adjust参数控制本质上是核密度估计的带宽调整因子。将密度映射到颜色密度值作为一个新的美学映射默认用scale_color_viridis_c()之类的连续色阶来展示。这里的关键参数是adjust。它控制密度计算的平滑程度。adjust越小密度估计越敏感局部差异越明显但可能显得“噪”adjust越大密度图越平滑但可能抹掉一些细节。默认值通常是 1实际用的时候我建议从 0.5 到 2 之间试几档看看哪个最能反映你数据里的结构。还有一个隐藏细节ggpointdensity默认使用method auto会根据数据量自动选择计算方式。数据量小的时候用精确的核密度估计数据量大的时候切换到基于网格的近似算法。这个自动切换在大多数情况下够用但如果你发现图面有奇怪的块状伪影可以手动指定method kde强制用精确算法代价是速度慢一些。2.3 与 ggplot2 生态的兼容性考量选工具不能只看功能还得看它能不能融入你现有的工作流。ggpointdensity是一个标准的ggplot2扩展包这意味着它返回的是一个Layer对象可以像geom_point()一样直接加到ggplot()链式调用里。它支持aes()里的所有常规映射也支持facet_wrap()和facet_grid()分面。它和scale_color_*()、theme_*()这些系统完全兼容你可以用viridis、RColorBrewer或者自定义色阶。我试过把它和patchwork拼图包一起用把密度散点图和边际密度图拼在一起效果很稳。也试过在ggpointdensity图层上面再叠一个geom_smooth()画趋势线完全没有冲突。这种“即插即用”的特性比那些需要单独画图再拼凑的方案省心太多。3. 从零开始跑通第一个密度散点图3.1 环境准备与安装先把环境搭起来。ggpointdensity不在 CRAN 的主仓库里需要从 GitHub 安装。如果你还没装remotes或devtools先装一个。# 安装 remotes如果还没装 install.packages(remotes) # 从 GitHub 安装 ggpointdensity remotes::install_github(LKremer/ggpointdensity) # 加载必要的包 library(ggplot2) library(ggpointdensity) library(dplyr) library(viridis)这里我额外加载了dplyr和viridis。dplyr用来做数据预处理viridis提供了一套对色盲友好的连续色阶后面画图会用到。如果你习惯用data.table或者 base R 做数据处理也完全没问题ggpointdensity只关心你传给ggplot()的数据框长什么样。注意安装过程中如果提示缺少Rcpp或RcppArmadillo先单独装这两个包再重试。ggpointdensity的密度计算部分是用 C 写的编译依赖这两个包。3.2 构造一份有代表性的测试数据为了演示效果我构造一份模拟的双基因表达数据。这份数据包含三个群体一个主要聚集区、一个次要聚集区以及一小撮随机散布的离群点。这种结构在单细胞数据里很常见也最能体现密度散点图的价值。set.seed(42) # 主要聚集区两个基因表达量正相关 group1 - data.frame( gene_x rnorm(8000, mean 5, sd 1.2), gene_y rnorm(8000, mean 5, sd 1.2) ) # 次要聚集区表达量偏低但两个基因有弱负相关 group2 - data.frame( gene_x rnorm(3000, mean 2, sd 0.8), gene_y rnorm(3000, mean 2.5, sd 0.6) ) # 离群点随机散布 group3 - data.frame( gene_x runif(500, min 0, max 10), gene_y runif(500, min 0, max 10) ) # 合并 expr_data - bind_rows( mutate(group1, cluster A), mutate(group2, cluster B), mutate(group3, cluster C) ) # 看一下数据规模 dim(expr_data)这份数据一共 11500 个点。如果你直接用普通散点图画主聚集区会糊成一团次要聚集区和离群点基本被淹没。这正是我们要用ggpointdensity来揭示的结构。3.3 第一张密度散点图代码本身非常简洁和普通ggplot2散点图的写法几乎一样只是把geom_point()换成了geom_pointdensity()。p1 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 1) scale_color_viridis_c(option D) labs( title 双基因表达密度散点图, x 基因 X 表达量, y 基因 Y 表达量, color 局部密度 ) theme_minimal(base_size 14) p1跑完这段代码你应该能看到一张图主聚集区呈现明亮的黄色高密度次要聚集区是蓝绿色中等密度离群点则是深紫色低密度。三个群体一目了然不需要任何额外的聚类算法就能肉眼分辨。这里adjust 1是默认的平滑参数。你可以试着把它改成0.3和2对比一下效果。adjust 0.3会让密度差异更尖锐主聚集区内部可能出现一些纹理adjust 2则会让整张图更平滑但次要聚集区可能和主聚集区的颜色差异变小。3.4 参数调优的实操记录我拿这份模拟数据做了一组参数对比记录如下adjust 值主聚集区表现次要聚集区表现离群点表现整体评价0.3内部纹理明显有噪点感边界清晰颜色很深细节多但偏噪0.5纹理适中清晰可辨清晰推荐起点1.0平滑可辨清晰默认值稳妥1.5很平滑略模糊仍可辨适合展示整体趋势2.0过度平滑与主区混淆变浅不推荐我的建议是先用默认值 1 跑一张然后根据你想强调的结构来调。如果你想突出主聚集区内部的亚结构往小调如果你只想展示几个大群体的分离往大调。还有一个参数n值得提一下。它控制密度估计的网格精度默认是 100。对于大多数场景够用但如果你数据量特别大比如超过 20 万点可以适当提高到 200 或 300让密度计算更精细。代价是内存占用和计算时间增加自己权衡。4. 进阶用法与实战技巧4.1 分面展示不同条件下的密度分布实际分析里我们经常需要比较不同处理组、不同时间点或者不同细胞类型的表达模式。ggpointdensity和facet_wrap()配合得很好每个分面独立计算密度这样你能看到每个子群体内部的密度结构而不是被全局密度掩盖。p2 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option C) facet_wrap(~ cluster, ncol 3) labs( title 分面密度散点图, x 基因 X 表达量, y 基因 Y 表达量 ) theme_minimal(base_size 13) p2这里有个细节要注意分面之后每个面板的密度色阶是独立计算的。这意味着你不能直接比较不同面板之间颜色的绝对深浅只能比较每个面板内部的相对密度。如果你需要跨面板比较得手动指定统一的色阶范围用scale_color_viridis_c(limits c(0, max_density))这种方式。但大多数情况下独立色阶反而更好因为它能让每个子群体的内部结构都清晰可见。4.2 叠加回归线与标注关键点密度散点图的一个优势是你可以在上面继续叠加其他图层而不会让图面变得混乱。因为点的颜色已经承载了密度信息你再加一条趋势线或者几个标注读者仍然能看清。# 找出密度最高的点作为标注候选 library(MASS) # 用二维核密度估计找峰值 dens - kde2d(expr_data$gene_x, expr_data$gene_y, n 200) peak_idx - which(dens$z max(dens$z), arr.ind TRUE) peak_x - dens$x[peak_idx[1]] peak_y - dens$y[peak_idx[2]] p3 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8, size 0.8) scale_color_viridis_c(option D) geom_smooth(method lm, se FALSE, color red, linewidth 1) annotate(point, x peak_x, y peak_y, color white, size 4, shape 18) annotate(text, x peak_x 0.5, y peak_y 0.5, label 密度峰值, color white, size 4) labs( title 密度散点图叠加回归线与峰值标注, x 基因 X 表达量, y 基因 Y 表达量 ) theme_minimal(base_size 14) p3这段代码里我用kde2d()手动算了一个二维核密度峰值然后用annotate()标出来。实际分析中这个峰值可能对应某个关键细胞状态或者某个生物学意义上的中心点。把它标出来能帮读者快速定位。提示geom_smooth()默认会在所有点上拟合包括那些离群点。如果离群点对趋势线影响很大可以考虑先用密度值过滤只对高密度区域的点拟合。ggpointdensity计算出的密度值可以通过layer_data()提取出来后面我会讲怎么操作。4.3 提取密度值做后续分析ggpointdensity不只是画图工具它计算出的密度值本身就可以作为特征用于下游分析。比如你可以用密度值来识别核心群体和边缘群体或者把密度作为协变量纳入模型。提取密度值的方法# 先构建图形对象 p_temp - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) # 提取图层数据 layer_data - layer_data(p_temp) # 看一下结构 head(layer_data) # 把密度值合并回原始数据 expr_data$density - layer_data$colour # 注意不同版本可能列名不同有的是 colour有的是 color # 可以用 str(layer_data) 查看实际列名提取出来的密度值是一个连续变量你可以用它做很多事情。比如按密度分位数把点分成“高密度核心”“中密度过渡”“低密度边缘”三组分别做差异分析。把密度值作为权重做加权回归降低离群点的影响。在降维图如 UMAP、t-SNE上按密度着色看看高密度区域是否对应特定细胞类型。我试过在单细胞数据里把密度值和细胞周期打分做相关性分析发现高密度区域的细胞往往处于 G1 期而低密度区域富集了 S 期和 G2M 期的细胞。这个观察后来帮我们修正了细胞周期校正的策略。当然这是特定数据集里的发现不一定普适但说明密度值本身是有生物学意义的。4.4 配色方案的选择与调整默认的viridis色阶已经很好用了但不同场景下可能需要不同的配色。ggpointdensity支持所有ggplot2的连续色阶你可以根据展示需求灵活切换。# 方案一viridis 的 magma 色阶适合暗色背景 p4a - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option A) theme_minimal(base_size 14) # 方案二自定义蓝到红的渐变 p4b - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_gradientn( colors c(#2E5A88, #5BA3D9, #F2E8CF, #E8A87C, #C44536), name 密度 ) theme_minimal(base_size 14) # 方案三对数变换色阶适合密度跨度极大的数据 p4c - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D, trans log10) theme_minimal(base_size 14)方案三的对数变换值得多说一句。当数据里既有极度密集的核心区又有稀疏的边缘区时线性色阶可能让核心区全部饱和成同一种颜色丢失内部差异。对数变换能拉开低密度区的差异让边缘结构更清晰。但代价是高密度区的差异被压缩核心区可能看起来更均匀。用哪个取决于你想强调哪部分信息。我个人的习惯是探索性分析用线性色阶快速看整体结构展示性图表用对数色阶突出边缘细节。当然如果审稿人或者合作者明确要求以他们的偏好为准。5. 常见问题与排查技巧实录5.1 图面出现奇怪的块状或条纹伪影这是ggpointdensity用户反馈最多的问题之一。表现是密度着色不均匀出现明显的网格状或条纹状图案而不是平滑的密度渐变。原因当数据量很大时ggpointdensity默认会切换到基于网格的近似算法。如果网格精度不够或者数据在某个维度上分布极不均匀就会出现伪影。解决方法# 方法一提高网格精度 geom_pointdensity(adjust 0.8, n 300) # 方法二强制使用精确核密度估计 geom_pointdensity(adjust 0.8, method kde) # 方法三先对数据进行随机抽样降低数据量 set.seed(123) expr_sample - expr_data %% sample_n(5000)我一般先用方法一把n从默认的 100 提高到 200 或 300。如果伪影还在再考虑方法二。方法二在 10 万点以下通常几秒钟能跑完超过 50 万点就明显慢了这时候方法三更实际。注意随机抽样会改变密度分布抽样后的密度值不能直接和全量数据比较。如果只是用来看结构抽样没问题如果要提取密度值做下游分析建议用全量数据配合方法一或方法二。5.2 密度色阶范围不合理导致图面过暗或过亮有时候跑出来的图大部分点都是同一种颜色要么全暗要么全亮看不出密度差异。原因密度值的分布可能极度偏态。少数几个点的密度极高把色阶的上限拉得很大导致其余点的密度值都被压缩在色阶底部。解决方法# 先看一下密度值的分布 p_temp - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) density_vals - layer_data(p_temp)$colour summary(density_vals) quantile(density_vals, probs c(0.01, 0.25, 0.5, 0.75, 0.99)) # 如果发现极值拉偏了分布可以截断色阶范围 p5 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c( option D, limits quantile(density_vals, probs c(0.01, 0.99)), oob scales::squish ) theme_minimal(base_size 14)这里用了scales::squish把超出范围的值“挤压”到边界颜色而不是变成 NA。这样既能保留所有点又能让色阶集中在主要密度范围内。5.3 计算速度慢尤其是数据量超过 10 万时ggpointdensity的精确核密度估计是 O(n²) 复杂度的数据量翻倍计算时间翻四倍。10 万点可能几秒50 万点就可能几分钟。优化策略策略操作效果代价降低网格精度n 50速度提升明显密度图变粗糙增大 adjustadjust 2计算量略降细节丢失随机抽样sample_n(50000)速度大幅提升密度值有偏差分块计算按染色体或基因分块内存友好需要手动合并使用近似算法method auto自动优化可能有伪影我自己的经验是10 万点以下直接用精确算法不用纠结10 万到 50 万点用n 150配合adjust 1超过 50 万点先抽样看结构确定要展示的群体后再对子集跑全量。5.4 与 scale_color_manual 冲突如果你在同一个图里既想用ggpointdensity的连续色阶又想给其他图层指定离散颜色可能会遇到色阶冲突。错误示范# 这样会报错或颜色混乱 ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity() geom_point(data subset(expr_data, cluster C), color red) scale_color_manual(values c(red, blue))正确做法把离散颜色映射和连续颜色映射分开用color和fill区分或者用ggnewscale包支持多个色阶。library(ggnewscale) ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D, name 密度) new_scale_color() geom_point(data subset(expr_data, cluster C), aes(color cluster), size 1.5) scale_color_manual(values c(C red), name 离群点) theme_minimal(base_size 14)ggnewscale这个包解决的就是多色阶共存的问题用起来很顺手。如果你经常需要在同一张图里叠加不同颜色体系的图层建议把它加入常用包列表。5.5 密度值提取时列名不一致前面提到过layer_data()提取出来的密度值列名可能是colour也可能是color取决于ggplot2的版本和ggpointdensity的版本。这个坑我踩过好几次。稳妥的提取方式layer_data - layer_data(p_temp) # 查看所有列名 str(layer_data) # 自动识别颜色列 color_col - grep(colo, names(layer_data), value TRUE, ignore.case TRUE) expr_data$density - layer_data[[color_col[1]]]用grep匹配包含 colo 的列名不管它是colour还是color都能抓到。这个技巧在写可复用的脚本时特别有用避免因为包版本更新导致代码报错。6. 几个我踩过的坑和对应解法6.1 数据里有 NA 值导致密度计算异常ggpointdensity对 NA 的处理和geom_point()不太一样。如果 x 或 y 里有 NAgeom_point()会默默丢掉这些点但geom_pointdensity()在计算密度时可能会报错或者产生奇怪的结果。解法画图前先过滤 NA。expr_data_clean - expr_data %% filter(!is.na(gene_x), !is.na(gene_y)) ggplot(expr_data_clean, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) theme_minimal(base_size 14)养成习惯任何画图操作之前先检查 NA 和 Inf。summary()一下数据看看有没有异常值。这个习惯能省掉很多莫名其妙的报错。6.2 坐标轴范围被离群点拉得太开如果数据里有极端离群点坐标轴范围会被拉得很大导致主要聚集区被压缩在角落。解法用coord_cartesian()限制显示范围而不是用xlim()或ylim()。区别在于coord_cartesian()只是缩放视图不删除数据xlim()会删除范围外的点影响密度计算。ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) coord_cartesian(xlim c(0, 10), ylim c(0, 10)) theme_minimal(base_size 14)注意coord_cartesian()缩放后密度值仍然是基于全量数据计算的。如果你希望密度也只基于显示范围内的点计算需要先手动过滤数据再画图。6.3 分面时色阶不统一导致误读前面提过分面时每个面板独立计算密度。如果你在文章里放这样一张图读者可能会误以为不同面板之间颜色可以直接比较。解法要么在标题或图注里明确说明“每个面板的色阶独立”要么手动统一色阶。# 先算全局密度范围 p_global - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) global_range - range(layer_data(p_global)$colour, na.rm TRUE) # 分面时统一色阶 ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c( option D, limits global_range ) facet_wrap(~ cluster) theme_minimal(base_size 13)统一色阶后颜色深浅可以直接跨面板比较。但代价是如果某个面板的密度整体偏低它可能看起来全是深色内部结构不明显。这是个权衡看你的展示目的。6.4 在 R Markdown 或 Quarto 中渲染缓慢如果你在 R Markdown 文档里嵌入ggpointdensity图每次 Knit 都要重新计算密度数据量大的时候会明显拖慢渲染速度。解法把计算好的图形对象缓存起来或者把密度值预先算好存成 RDS。# 第一次运行后保存 p_final - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) theme_minimal(base_size 14) saveRDS(p_final, density_scatter.rds) # 后续渲染时直接读取 p_final - readRDS(density_scatter.rds) p_final或者用knitr的缓存功能在代码块里设置cache TRUE。这样只有代码变化时才重新计算否则直接读缓存。6.5 颜色映射与图例不匹配有时候图例显示的颜色范围和图上实际的颜色对不上尤其是当你手动修改了limits或trans之后。排查步骤检查scale_color_*()里的limits是否覆盖了所有密度值。检查是否有多个scale_color_*()调用后面的会覆盖前面的。检查geom_pointdensity()里的aes()是否意外覆盖了颜色映射。我遇到过一次是因为在geom_pointdensity()里写了aes(color after_stat(density))而ggpointdensity内部已经做了颜色映射导致冲突。去掉这个多余的aes()就好了。记住geom_pointdensity()自己处理颜色映射你不需要在aes()里再指定。7. 把密度散点图用出花来的几个思路7.1 和单细胞降维图结合在单细胞分析里UMAP 或 t-SNE 降维图是标配。但降维图上的点也是密密麻麻过绘制严重。把ggpointdensity用在降维图上能快速识别出细胞群体的核心区域和过渡区域。# 假设 umap_data 有 UMAP_1, UMAP_2 和 cluster 列 ggplot(umap_data, aes(x UMAP_1, y UMAP_2)) geom_pointdensity(adjust 0.5, size 0.5) scale_color_viridis_c(option B) facet_wrap(~ cluster, ncol 4) theme_minimal(base_size 11) theme(legend.position bottom)每个 cluster 单独看密度能发现一些在全局图里被掩盖的亚结构。比如某个 cluster 在全局 UMAP 上看起来是一个均匀的团但密度图显示它其实有两个密度峰值可能对应两个不同的细胞状态。7.2 时间序列数据的密度演化如果你有多个时间点的数据可以用ggpointdensity加facet_wrap(~ timepoint)来看密度结构随时间的变化。比如基因表达从单峰变成双峰或者主聚集区逐渐偏移这些变化在普通散点图里很难看清但在密度散点图里一目了然。7.3 作为质量控制工具在数据清洗阶段密度散点图可以帮你快速识别异常样本。比如两个本该正相关的基因在某个样本里密度分布完全散开可能提示这个样本的 RNA 质量有问题。或者某个样本的密度峰值明显偏离其他样本可能需要单独检查。我习惯在单细胞流程的质控步骤里加一张密度散点图看线粒体基因比例和总 counts 的关系。正常样本应该有一个明显的密度核心如果某个样本的密度核心弥散或者偏移就要警惕了。7.4 和 3D 密度图对比有些场景下二维密度散点图可能不够你需要看三维空间里的密度结构。这时候可以考虑plotly的 3D 散点图配合密度着色或者rayshader做三维密度曲面。但说实话三维图在静态展示里效果往往不如二维密度图直观除非你要做交互式探索。我个人的选择是静态展示用ggpointdensity交互探索用plotly各取所长。密度散点图这个工具说到底解决的是一个很朴素的问题让数据自己说话而不是让点的堆叠顺序说话。ggpointdensity用最小的语法改动换来了对数据分布更诚实的呈现。它不完美计算速度有上限参数需要调试但在我用过的所有方案里它是保留单点粒度前提下最省心的一个。如果你还没试过拿你手头最头疼的那份数据跑一张大概率会有“原来是这样”的感觉。
1. 密度散点图到底解决什么问题做过单细胞转录组或者大规模表达量分析的人大概率都遇到过这个场景手里攥着两个基因的表达矩阵想看看它们的共表达关系于是随手一个plot(x, y)或者ggplot2的geom_point()甩上去。结果呢几万个细胞点下去图面糊成一团黑什么都看不出来。你只能看到一团密集的墨迹根本分不清哪里是数据真正扎堆的地方哪里只是零星几个离群点。这就是普通散点图在面对大数据量时的死穴——过绘制overplotting。点与点之间互相遮挡密度信息完全丢失。你看到的不是数据分布而是点的堆叠顺序。ggpointdensity这个 R 包就是冲着这个问题来的。它做的事情说起来很简单在ggplot2的框架里把散点图的每个点按照局部密度着色密度高的地方颜色深密度低的地方颜色浅。但就是这么一个看似朴素的功能在实际分析里救过无数次场。它让你一眼就能看出双变量分布的核心区域、次要聚集区以及那些真正孤立的异常点。这篇文章适合谁看如果你已经在用 R 做数据分析对ggplot2的基本语法不陌生但还没找到一个趁手的密度散点图方案那这篇就是写给你的。如果你连ggplot2都没碰过建议先把geom_point()和aes()的用法摸熟再回来不然下面的内容会有点吃力。我先把结论摆在这儿ggpointdensity不是唯一的选择geom_hex()、geom_bin2d()、geom_density_2d()都能处理过绘制问题但ggpointdensity在保留单点粒度和视觉直观性之间找到了一个很舒服的平衡点。后面我会详细拆解它为什么能做到这一点以及怎么把它用得漂亮。2. 为什么选 ggpointdensity 而不是其他方案2.1 常见密度可视化方案的横向对比在 R 的生态里处理散点过绘制的手段其实不少但每种方案的适用场景和输出效果差别很大。我先把几个主流方案拉出来遛一遛这样你能清楚地看到ggpointdensity的定位。方案核心原理优点缺点适用场景geom_point() alpha降低点的透明度实现简单保留原始点大数据量下仍然糊alpha 调参靠猜数据量小于 5000geom_hex()六边形分箱统计频数密度表达清晰颜色映射直观丢失单点信息分箱边界影响结果数据量极大只关心分布形态geom_bin2d()矩形分箱统计频数同上实现更简单矩形边界生硬视觉不如六边形快速探索性分析geom_density_2d()二维核密度估计等高线能画出密度轮廓等高线数量难选密集区内部无信息展示分布轮廓ggpointdensity逐点计算局部密度并着色保留每个点密度连续表达计算量随点数增长超大样本偏慢数据量 1 万到 50 万这张表不是要分出谁高谁低而是想说没有万能方案只有匹配场景的方案。geom_hex()在百万级数据上跑得飞快但你没法从六边形里看出某个具体细胞的位置。geom_density_2d()画出来的等高线很优雅但等高线之间的区域是空白的你丢失了点的实际分布。ggpointdensity的独特之处在于它不改变数据的粒度。每个点还是那个点只是颜色变了。这意味着你可以在密度着色的基础上继续用ggplot2的其他图层叠加信息比如标注特定基因、画回归线、分面展示不同条件。这种灵活性是分箱方案给不了的。2.2 ggpointdensity 的底层计算逻辑理解它的计算逻辑对你调参和排查问题很有帮助。ggpointdensity的核心函数是geom_pointdensity()它内部做的事情大致分三步提取 x 和 y 坐标从data中拿到映射到 x 轴和 y 轴的数值向量。计算局部密度对每个点统计它周围一定范围内有多少个其他点。这个“范围”由adjust参数控制本质上是核密度估计的带宽调整因子。将密度映射到颜色密度值作为一个新的美学映射默认用scale_color_viridis_c()之类的连续色阶来展示。这里的关键参数是adjust。它控制密度计算的平滑程度。adjust越小密度估计越敏感局部差异越明显但可能显得“噪”adjust越大密度图越平滑但可能抹掉一些细节。默认值通常是 1实际用的时候我建议从 0.5 到 2 之间试几档看看哪个最能反映你数据里的结构。还有一个隐藏细节ggpointdensity默认使用method auto会根据数据量自动选择计算方式。数据量小的时候用精确的核密度估计数据量大的时候切换到基于网格的近似算法。这个自动切换在大多数情况下够用但如果你发现图面有奇怪的块状伪影可以手动指定method kde强制用精确算法代价是速度慢一些。2.3 与 ggplot2 生态的兼容性考量选工具不能只看功能还得看它能不能融入你现有的工作流。ggpointdensity是一个标准的ggplot2扩展包这意味着它返回的是一个Layer对象可以像geom_point()一样直接加到ggplot()链式调用里。它支持aes()里的所有常规映射也支持facet_wrap()和facet_grid()分面。它和scale_color_*()、theme_*()这些系统完全兼容你可以用viridis、RColorBrewer或者自定义色阶。我试过把它和patchwork拼图包一起用把密度散点图和边际密度图拼在一起效果很稳。也试过在ggpointdensity图层上面再叠一个geom_smooth()画趋势线完全没有冲突。这种“即插即用”的特性比那些需要单独画图再拼凑的方案省心太多。3. 从零开始跑通第一个密度散点图3.1 环境准备与安装先把环境搭起来。ggpointdensity不在 CRAN 的主仓库里需要从 GitHub 安装。如果你还没装remotes或devtools先装一个。# 安装 remotes如果还没装 install.packages(remotes) # 从 GitHub 安装 ggpointdensity remotes::install_github(LKremer/ggpointdensity) # 加载必要的包 library(ggplot2) library(ggpointdensity) library(dplyr) library(viridis)这里我额外加载了dplyr和viridis。dplyr用来做数据预处理viridis提供了一套对色盲友好的连续色阶后面画图会用到。如果你习惯用data.table或者 base R 做数据处理也完全没问题ggpointdensity只关心你传给ggplot()的数据框长什么样。注意安装过程中如果提示缺少Rcpp或RcppArmadillo先单独装这两个包再重试。ggpointdensity的密度计算部分是用 C 写的编译依赖这两个包。3.2 构造一份有代表性的测试数据为了演示效果我构造一份模拟的双基因表达数据。这份数据包含三个群体一个主要聚集区、一个次要聚集区以及一小撮随机散布的离群点。这种结构在单细胞数据里很常见也最能体现密度散点图的价值。set.seed(42) # 主要聚集区两个基因表达量正相关 group1 - data.frame( gene_x rnorm(8000, mean 5, sd 1.2), gene_y rnorm(8000, mean 5, sd 1.2) ) # 次要聚集区表达量偏低但两个基因有弱负相关 group2 - data.frame( gene_x rnorm(3000, mean 2, sd 0.8), gene_y rnorm(3000, mean 2.5, sd 0.6) ) # 离群点随机散布 group3 - data.frame( gene_x runif(500, min 0, max 10), gene_y runif(500, min 0, max 10) ) # 合并 expr_data - bind_rows( mutate(group1, cluster A), mutate(group2, cluster B), mutate(group3, cluster C) ) # 看一下数据规模 dim(expr_data)这份数据一共 11500 个点。如果你直接用普通散点图画主聚集区会糊成一团次要聚集区和离群点基本被淹没。这正是我们要用ggpointdensity来揭示的结构。3.3 第一张密度散点图代码本身非常简洁和普通ggplot2散点图的写法几乎一样只是把geom_point()换成了geom_pointdensity()。p1 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 1) scale_color_viridis_c(option D) labs( title 双基因表达密度散点图, x 基因 X 表达量, y 基因 Y 表达量, color 局部密度 ) theme_minimal(base_size 14) p1跑完这段代码你应该能看到一张图主聚集区呈现明亮的黄色高密度次要聚集区是蓝绿色中等密度离群点则是深紫色低密度。三个群体一目了然不需要任何额外的聚类算法就能肉眼分辨。这里adjust 1是默认的平滑参数。你可以试着把它改成0.3和2对比一下效果。adjust 0.3会让密度差异更尖锐主聚集区内部可能出现一些纹理adjust 2则会让整张图更平滑但次要聚集区可能和主聚集区的颜色差异变小。3.4 参数调优的实操记录我拿这份模拟数据做了一组参数对比记录如下adjust 值主聚集区表现次要聚集区表现离群点表现整体评价0.3内部纹理明显有噪点感边界清晰颜色很深细节多但偏噪0.5纹理适中清晰可辨清晰推荐起点1.0平滑可辨清晰默认值稳妥1.5很平滑略模糊仍可辨适合展示整体趋势2.0过度平滑与主区混淆变浅不推荐我的建议是先用默认值 1 跑一张然后根据你想强调的结构来调。如果你想突出主聚集区内部的亚结构往小调如果你只想展示几个大群体的分离往大调。还有一个参数n值得提一下。它控制密度估计的网格精度默认是 100。对于大多数场景够用但如果你数据量特别大比如超过 20 万点可以适当提高到 200 或 300让密度计算更精细。代价是内存占用和计算时间增加自己权衡。4. 进阶用法与实战技巧4.1 分面展示不同条件下的密度分布实际分析里我们经常需要比较不同处理组、不同时间点或者不同细胞类型的表达模式。ggpointdensity和facet_wrap()配合得很好每个分面独立计算密度这样你能看到每个子群体内部的密度结构而不是被全局密度掩盖。p2 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option C) facet_wrap(~ cluster, ncol 3) labs( title 分面密度散点图, x 基因 X 表达量, y 基因 Y 表达量 ) theme_minimal(base_size 13) p2这里有个细节要注意分面之后每个面板的密度色阶是独立计算的。这意味着你不能直接比较不同面板之间颜色的绝对深浅只能比较每个面板内部的相对密度。如果你需要跨面板比较得手动指定统一的色阶范围用scale_color_viridis_c(limits c(0, max_density))这种方式。但大多数情况下独立色阶反而更好因为它能让每个子群体的内部结构都清晰可见。4.2 叠加回归线与标注关键点密度散点图的一个优势是你可以在上面继续叠加其他图层而不会让图面变得混乱。因为点的颜色已经承载了密度信息你再加一条趋势线或者几个标注读者仍然能看清。# 找出密度最高的点作为标注候选 library(MASS) # 用二维核密度估计找峰值 dens - kde2d(expr_data$gene_x, expr_data$gene_y, n 200) peak_idx - which(dens$z max(dens$z), arr.ind TRUE) peak_x - dens$x[peak_idx[1]] peak_y - dens$y[peak_idx[2]] p3 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8, size 0.8) scale_color_viridis_c(option D) geom_smooth(method lm, se FALSE, color red, linewidth 1) annotate(point, x peak_x, y peak_y, color white, size 4, shape 18) annotate(text, x peak_x 0.5, y peak_y 0.5, label 密度峰值, color white, size 4) labs( title 密度散点图叠加回归线与峰值标注, x 基因 X 表达量, y 基因 Y 表达量 ) theme_minimal(base_size 14) p3这段代码里我用kde2d()手动算了一个二维核密度峰值然后用annotate()标出来。实际分析中这个峰值可能对应某个关键细胞状态或者某个生物学意义上的中心点。把它标出来能帮读者快速定位。提示geom_smooth()默认会在所有点上拟合包括那些离群点。如果离群点对趋势线影响很大可以考虑先用密度值过滤只对高密度区域的点拟合。ggpointdensity计算出的密度值可以通过layer_data()提取出来后面我会讲怎么操作。4.3 提取密度值做后续分析ggpointdensity不只是画图工具它计算出的密度值本身就可以作为特征用于下游分析。比如你可以用密度值来识别核心群体和边缘群体或者把密度作为协变量纳入模型。提取密度值的方法# 先构建图形对象 p_temp - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) # 提取图层数据 layer_data - layer_data(p_temp) # 看一下结构 head(layer_data) # 把密度值合并回原始数据 expr_data$density - layer_data$colour # 注意不同版本可能列名不同有的是 colour有的是 color # 可以用 str(layer_data) 查看实际列名提取出来的密度值是一个连续变量你可以用它做很多事情。比如按密度分位数把点分成“高密度核心”“中密度过渡”“低密度边缘”三组分别做差异分析。把密度值作为权重做加权回归降低离群点的影响。在降维图如 UMAP、t-SNE上按密度着色看看高密度区域是否对应特定细胞类型。我试过在单细胞数据里把密度值和细胞周期打分做相关性分析发现高密度区域的细胞往往处于 G1 期而低密度区域富集了 S 期和 G2M 期的细胞。这个观察后来帮我们修正了细胞周期校正的策略。当然这是特定数据集里的发现不一定普适但说明密度值本身是有生物学意义的。4.4 配色方案的选择与调整默认的viridis色阶已经很好用了但不同场景下可能需要不同的配色。ggpointdensity支持所有ggplot2的连续色阶你可以根据展示需求灵活切换。# 方案一viridis 的 magma 色阶适合暗色背景 p4a - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option A) theme_minimal(base_size 14) # 方案二自定义蓝到红的渐变 p4b - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_gradientn( colors c(#2E5A88, #5BA3D9, #F2E8CF, #E8A87C, #C44536), name 密度 ) theme_minimal(base_size 14) # 方案三对数变换色阶适合密度跨度极大的数据 p4c - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D, trans log10) theme_minimal(base_size 14)方案三的对数变换值得多说一句。当数据里既有极度密集的核心区又有稀疏的边缘区时线性色阶可能让核心区全部饱和成同一种颜色丢失内部差异。对数变换能拉开低密度区的差异让边缘结构更清晰。但代价是高密度区的差异被压缩核心区可能看起来更均匀。用哪个取决于你想强调哪部分信息。我个人的习惯是探索性分析用线性色阶快速看整体结构展示性图表用对数色阶突出边缘细节。当然如果审稿人或者合作者明确要求以他们的偏好为准。5. 常见问题与排查技巧实录5.1 图面出现奇怪的块状或条纹伪影这是ggpointdensity用户反馈最多的问题之一。表现是密度着色不均匀出现明显的网格状或条纹状图案而不是平滑的密度渐变。原因当数据量很大时ggpointdensity默认会切换到基于网格的近似算法。如果网格精度不够或者数据在某个维度上分布极不均匀就会出现伪影。解决方法# 方法一提高网格精度 geom_pointdensity(adjust 0.8, n 300) # 方法二强制使用精确核密度估计 geom_pointdensity(adjust 0.8, method kde) # 方法三先对数据进行随机抽样降低数据量 set.seed(123) expr_sample - expr_data %% sample_n(5000)我一般先用方法一把n从默认的 100 提高到 200 或 300。如果伪影还在再考虑方法二。方法二在 10 万点以下通常几秒钟能跑完超过 50 万点就明显慢了这时候方法三更实际。注意随机抽样会改变密度分布抽样后的密度值不能直接和全量数据比较。如果只是用来看结构抽样没问题如果要提取密度值做下游分析建议用全量数据配合方法一或方法二。5.2 密度色阶范围不合理导致图面过暗或过亮有时候跑出来的图大部分点都是同一种颜色要么全暗要么全亮看不出密度差异。原因密度值的分布可能极度偏态。少数几个点的密度极高把色阶的上限拉得很大导致其余点的密度值都被压缩在色阶底部。解决方法# 先看一下密度值的分布 p_temp - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) density_vals - layer_data(p_temp)$colour summary(density_vals) quantile(density_vals, probs c(0.01, 0.25, 0.5, 0.75, 0.99)) # 如果发现极值拉偏了分布可以截断色阶范围 p5 - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c( option D, limits quantile(density_vals, probs c(0.01, 0.99)), oob scales::squish ) theme_minimal(base_size 14)这里用了scales::squish把超出范围的值“挤压”到边界颜色而不是变成 NA。这样既能保留所有点又能让色阶集中在主要密度范围内。5.3 计算速度慢尤其是数据量超过 10 万时ggpointdensity的精确核密度估计是 O(n²) 复杂度的数据量翻倍计算时间翻四倍。10 万点可能几秒50 万点就可能几分钟。优化策略策略操作效果代价降低网格精度n 50速度提升明显密度图变粗糙增大 adjustadjust 2计算量略降细节丢失随机抽样sample_n(50000)速度大幅提升密度值有偏差分块计算按染色体或基因分块内存友好需要手动合并使用近似算法method auto自动优化可能有伪影我自己的经验是10 万点以下直接用精确算法不用纠结10 万到 50 万点用n 150配合adjust 1超过 50 万点先抽样看结构确定要展示的群体后再对子集跑全量。5.4 与 scale_color_manual 冲突如果你在同一个图里既想用ggpointdensity的连续色阶又想给其他图层指定离散颜色可能会遇到色阶冲突。错误示范# 这样会报错或颜色混乱 ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity() geom_point(data subset(expr_data, cluster C), color red) scale_color_manual(values c(red, blue))正确做法把离散颜色映射和连续颜色映射分开用color和fill区分或者用ggnewscale包支持多个色阶。library(ggnewscale) ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D, name 密度) new_scale_color() geom_point(data subset(expr_data, cluster C), aes(color cluster), size 1.5) scale_color_manual(values c(C red), name 离群点) theme_minimal(base_size 14)ggnewscale这个包解决的就是多色阶共存的问题用起来很顺手。如果你经常需要在同一张图里叠加不同颜色体系的图层建议把它加入常用包列表。5.5 密度值提取时列名不一致前面提到过layer_data()提取出来的密度值列名可能是colour也可能是color取决于ggplot2的版本和ggpointdensity的版本。这个坑我踩过好几次。稳妥的提取方式layer_data - layer_data(p_temp) # 查看所有列名 str(layer_data) # 自动识别颜色列 color_col - grep(colo, names(layer_data), value TRUE, ignore.case TRUE) expr_data$density - layer_data[[color_col[1]]]用grep匹配包含 colo 的列名不管它是colour还是color都能抓到。这个技巧在写可复用的脚本时特别有用避免因为包版本更新导致代码报错。6. 几个我踩过的坑和对应解法6.1 数据里有 NA 值导致密度计算异常ggpointdensity对 NA 的处理和geom_point()不太一样。如果 x 或 y 里有 NAgeom_point()会默默丢掉这些点但geom_pointdensity()在计算密度时可能会报错或者产生奇怪的结果。解法画图前先过滤 NA。expr_data_clean - expr_data %% filter(!is.na(gene_x), !is.na(gene_y)) ggplot(expr_data_clean, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) theme_minimal(base_size 14)养成习惯任何画图操作之前先检查 NA 和 Inf。summary()一下数据看看有没有异常值。这个习惯能省掉很多莫名其妙的报错。6.2 坐标轴范围被离群点拉得太开如果数据里有极端离群点坐标轴范围会被拉得很大导致主要聚集区被压缩在角落。解法用coord_cartesian()限制显示范围而不是用xlim()或ylim()。区别在于coord_cartesian()只是缩放视图不删除数据xlim()会删除范围外的点影响密度计算。ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) coord_cartesian(xlim c(0, 10), ylim c(0, 10)) theme_minimal(base_size 14)注意coord_cartesian()缩放后密度值仍然是基于全量数据计算的。如果你希望密度也只基于显示范围内的点计算需要先手动过滤数据再画图。6.3 分面时色阶不统一导致误读前面提过分面时每个面板独立计算密度。如果你在文章里放这样一张图读者可能会误以为不同面板之间颜色可以直接比较。解法要么在标题或图注里明确说明“每个面板的色阶独立”要么手动统一色阶。# 先算全局密度范围 p_global - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) global_range - range(layer_data(p_global)$colour, na.rm TRUE) # 分面时统一色阶 ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c( option D, limits global_range ) facet_wrap(~ cluster) theme_minimal(base_size 13)统一色阶后颜色深浅可以直接跨面板比较。但代价是如果某个面板的密度整体偏低它可能看起来全是深色内部结构不明显。这是个权衡看你的展示目的。6.4 在 R Markdown 或 Quarto 中渲染缓慢如果你在 R Markdown 文档里嵌入ggpointdensity图每次 Knit 都要重新计算密度数据量大的时候会明显拖慢渲染速度。解法把计算好的图形对象缓存起来或者把密度值预先算好存成 RDS。# 第一次运行后保存 p_final - ggplot(expr_data, aes(x gene_x, y gene_y)) geom_pointdensity(adjust 0.8) scale_color_viridis_c(option D) theme_minimal(base_size 14) saveRDS(p_final, density_scatter.rds) # 后续渲染时直接读取 p_final - readRDS(density_scatter.rds) p_final或者用knitr的缓存功能在代码块里设置cache TRUE。这样只有代码变化时才重新计算否则直接读缓存。6.5 颜色映射与图例不匹配有时候图例显示的颜色范围和图上实际的颜色对不上尤其是当你手动修改了limits或trans之后。排查步骤检查scale_color_*()里的limits是否覆盖了所有密度值。检查是否有多个scale_color_*()调用后面的会覆盖前面的。检查geom_pointdensity()里的aes()是否意外覆盖了颜色映射。我遇到过一次是因为在geom_pointdensity()里写了aes(color after_stat(density))而ggpointdensity内部已经做了颜色映射导致冲突。去掉这个多余的aes()就好了。记住geom_pointdensity()自己处理颜色映射你不需要在aes()里再指定。7. 把密度散点图用出花来的几个思路7.1 和单细胞降维图结合在单细胞分析里UMAP 或 t-SNE 降维图是标配。但降维图上的点也是密密麻麻过绘制严重。把ggpointdensity用在降维图上能快速识别出细胞群体的核心区域和过渡区域。# 假设 umap_data 有 UMAP_1, UMAP_2 和 cluster 列 ggplot(umap_data, aes(x UMAP_1, y UMAP_2)) geom_pointdensity(adjust 0.5, size 0.5) scale_color_viridis_c(option B) facet_wrap(~ cluster, ncol 4) theme_minimal(base_size 11) theme(legend.position bottom)每个 cluster 单独看密度能发现一些在全局图里被掩盖的亚结构。比如某个 cluster 在全局 UMAP 上看起来是一个均匀的团但密度图显示它其实有两个密度峰值可能对应两个不同的细胞状态。7.2 时间序列数据的密度演化如果你有多个时间点的数据可以用ggpointdensity加facet_wrap(~ timepoint)来看密度结构随时间的变化。比如基因表达从单峰变成双峰或者主聚集区逐渐偏移这些变化在普通散点图里很难看清但在密度散点图里一目了然。7.3 作为质量控制工具在数据清洗阶段密度散点图可以帮你快速识别异常样本。比如两个本该正相关的基因在某个样本里密度分布完全散开可能提示这个样本的 RNA 质量有问题。或者某个样本的密度峰值明显偏离其他样本可能需要单独检查。我习惯在单细胞流程的质控步骤里加一张密度散点图看线粒体基因比例和总 counts 的关系。正常样本应该有一个明显的密度核心如果某个样本的密度核心弥散或者偏移就要警惕了。7.4 和 3D 密度图对比有些场景下二维密度散点图可能不够你需要看三维空间里的密度结构。这时候可以考虑plotly的 3D 散点图配合密度着色或者rayshader做三维密度曲面。但说实话三维图在静态展示里效果往往不如二维密度图直观除非你要做交互式探索。我个人的选择是静态展示用ggpointdensity交互探索用plotly各取所长。密度散点图这个工具说到底解决的是一个很朴素的问题让数据自己说话而不是让点的堆叠顺序说话。ggpointdensity用最小的语法改动换来了对数据分布更诚实的呈现。它不完美计算速度有上限参数需要调试但在我用过的所有方案里它是保留单点粒度前提下最省心的一个。如果你还没试过拿你手头最头疼的那份数据跑一张大概率会有“原来是这样”的感觉。
