Как интерполировать данные между разреженными точками, чтобы построить контурный график в R & plotly

Question

Я хотел бы создать контурную диаграмму на плоскости xy из данных концентрации в следующих цветных точках на первом рисунке.У меня нет угловых точек на каждой высоте, поэтому мне нужно экстраполировать концентрацию на края плоскости xy (xlim = c (0,335), ylim = c (0,426)).

Графический html-файл точек доступен здесь: https://leeds365 -my.sharepoint.com /: u: / r / personal / cenmk_leeds_ac_uk / Документы / Документы / HECOIRA / Палата% 20CO2% 20 Эксперименты/Sensors.html?csf=1&e=HiX8fF

dput(df)
structure(list(Sensor = structure(c(11L, 12L, 13L, 14L, 15L, 
16L, 17L, 18L, 19L, 20L, 21L, 22L, 23L, 24L, 25L, 26L, 27L, 28L, 
29L, 1L, 3L, 4L, 5L, 6L, 8L, 30L, 31L, 32L, 33L, 34L, 35L), .Label = c("N1", 
"N2", "N3", "N4", "N5", "N6", "N7", "N8", "N9", "Control", "A1", 
"A10", "A11", "A12", "A13", "A14", "A15", "A16", "A17", "A18", 
"A19", "A2", "A3", "A4", "A5", "A6", "A7", "A8", "A9", "R1", 
"R2", "R3", "R4", "R5", "R6"), class = "factor"), calCO2 = c(2237, 
2389.5, 2226.5, 2321, 2101.5, 1830.5, 2418, 2356.5, 435, 2345.5, 
2376, 2451, 2397, 2466, 2518.5, 2087, 2463, 2256.5, 2345.5, 3506, 
2950, 3386, 2511, 2385, 3441, 2473, 2357.5, 2052.5, 2318, 1893.5, 
2251), x = c(83.75, 167.5, 167.5, 167.5, 251.25, 167.5, 251.25, 
251.25, 0, 83.75, 251.25, 167.5, 251.25, 83.75, 83.75, 83.75, 
83.75, 251.25, 167.5, 335, 0, 0, 335, 167.5, 167.5, 167.5, 0, 
335, 335, 167.5, 167.5), y = c(213, 319.5, 319.5, 110, 319.5, 
213, 110, 110, 356, 213, 319.5, 110, 213, 110, 319.5, 319.5, 
110, 213, 213, 0, 0, 426, 426, 426, 0, 213, 213, 70, 213, 426, 
0), z = c(155, 50, 155, 155, 155, 226, 50, 155, 178, 50, 50, 
50, 50, 155, 50, 155, 50, 155, 50, 0, 0, 0, 0, 0, 0, 0, 130, 
50, 120, 130, 130), Type = c("Airnode", "Airnode", "Airnode", 
"Airnode", "Airnode", "Airnode", "Airnode", "Airnode", "Airnode", 
"Airnode", "Airnode", "Airnode", "Airnode", "Airnode", "Airnode", 
"Airnode", "Airnode", "Airnode", "Airnode", "Naveed", "Naveed", 
"Naveed", "Naveed", "Naveed", "Naveed", "Rotronic", "Rotronic", 
"Rotronic", "Rotronic", "Rotronic", "Rotronic")), .Names = c("Sensor", 
"calCO2", "x", "y", "z", "Type"), row.names = c(NA, -31L), class = "data.frame")

require(plotly)

plot_ly(data = subset(df,z==0), x=~x,y=~y, z=~calCO2, type = "contour") %>%
  layout(
    xaxis = list(range = c(340, 0), autorange = F, autorange="reversed"), 
    yaxis = list(range = c(0, 430)))

Я пытаюсь найти что-то подобное.Любая помощь будет высоко ценится.

Answer 1

Как указывает Сезар, вам нужно определить «слои», которые вы хотите интерполировать в этой 3d-системе.

Здесь я представляю подход, предполагающий один слой (то есть - я использую все точки вдоль направления z).Изучение таблицы ваших значений поможет вам определить, где происходят разрывы.Вы можете повторно использовать код ниже для каждого определяемого вами «слоя».

> table(d$z)

  0  50 120 130 155 178 226 
  7  10   1   3   8   1   1 

---

Поскольку вы имеете дело с пространственными данными, давайте использовать пространственные объекты в R для решения этой проблемы.

Сначала я копирую / вставляю ваши данные в переменную с именем d.

# make d into a SpatialPointsDataFrame object
library(sp)
coords <- d[, c("x", "y")]
s      <- SpatialPointsDataFrame(coords = coords, data = d)

# interpolate with a thin plate spline 
# (or another interpolation method: kriging, inverse distance weighting). 
library(raster)
library(fields)
tps <- Tps(coordinates(s), as.vector(d$calCO2))
p   <- raster(s)
p   <- interpolate(p, tps)

# plot raster, points, and contour lines
plot(p)
plot(s, add=T)
contour(p, add=T) 

Вы можете представить себе разбиениеваши данные в слои на основе значения z точки, и повторный запуск этого кода для генерации интерполяции для каждого слоя.Обязательно ознакомьтесь с различными методами интерполяции, чтобы определить, что лучше всего подходит для вашей системы.Если у вас есть эти слои, перенести эти данные в ploty не составит труда, как показано выше.

---

РЕДАКТИРОВАТЬ: взять базу -> ggplot -> plotly - просто:

# ggplot
library(ggplot2)
p <- ggplot(as.data.frame(p, xy = TRUE), aes(x, y, fill = layer)) + 
  geom_tile() + 
  geom_contour(aes(z = layer), color = "white") + 
  scale_fill_viridis_c() + 
  theme_minimal()

Вот несколько инструкций по добавлению меток контура .

Превратите это в интерактивный объект-сюжет.

library(plotly)
ggplotly(p)

И код в первом посте перенесет вас в 3d.

Answer 2

Прежде всего, вы должны учитывать, что с + -30 баллами недостаточно, чтобы получить те чистые разделенные слои, которые вы можете видеть в примере.Сказав это, давайте приступим к работе:

Сначала вы можете контролировать свои данные, чтобы угадать, как будет выглядеть форма этих слоев.Здесь вы можете легко увидеть, что более низкие значения z имеют более высокие значения CO2.

require(dplyr)
require(plotly)
require(akima)
require(plotly)
require(zoo)
require(raster)

plot_ly(df, x=~x,y=~y, z=~z, color =~calCO2)

Важно то, что вы должны определить слои, которые высобираются иметь.Эти слои должны быть сделаны из интерполяции значений по всей поверхности.Итак:

• Определите данные, которые вы используете для каждого слоя.
• Интерполируйте значения для z и для calCO2.Это важно, потому что это две разные вещи.z Интерполяция сделает изображение графическим, а calCO2 - цветом (концентрация или что-то еще).В вашем изображении из (https://plot.ly/r/3d-surface-plots/) цвет и z представляют одно и то же, в то время как здесь, я предполагаю, что вы хотите представить поверхность z и закрасить ее с помощью calCO2. Вот почему вам нужно будет интерполировать значения для обоих.Методы интерполяции - это мир, здесь я просто выполнил простую интерполяцию и заполнил NA средними значениями.

Вот код:

## Define your layers in z range (by hand or use quantiles, percentiles, etc.)
df1 <- subset(df, z >= 0 & z <= 125) #layer between 0 and 150m
df2 <- subset(df, z > 125)           #layer between 150 and max

#interpolate values for each layer and for z and co2
z1 <- interp(df1$x, df1$y, df1$z, extrap = TRUE, duplicate = "mean") #interp z layer 1 with spline interp
ifelse(anyNA(z1$z) == TRUE, z1$z[is.na(z1$z)] <- mean(z1$z, na.rm = TRUE), NA) #fill na cells with mean value

z2 <- interp(df2$x, df2$y, df2$z, extrap = TRUE, duplicate = "mean") #interp z layer 2 with spline interp
ifelse(anyNA(z2$z) == TRUE, z2$z[is.na(z2$z)] <- mean(z2$z, na.rm = TRUE), NA) #fill na cells with mean value

c1 <- interp(df1$x, df1$y, df1$calCO2, extrap = F, linear = F, duplicate = "mean") #interp co2 layer 1 with spline interp
ifelse(anyNA(c1$z) == TRUE, c1$z[is.na(c1$z)] <- mean(c1$z, na.rm = TRUE), NA) #fill na cells with mean value

c2 <- interp(df2$x, df2$y, df2$calCO2, extrap = F, linear = F, duplicate = "mean") #interp co2 layer 2 with spline interp
ifelse(anyNA(c2$z) == TRUE, c2$z[is.na(c2$z)] <- mean(c2$z, na.rm = TRUE), NA) #fill na cells with mean value

#THE PLOT
p <- plot_ly(showscale = TRUE) %>%
    add_surface(x = z1$x, y = z1$y, z = z1$z, cmin = min(c1$z), cmax = max(c2$z), surfacecolor = c1$z) %>%
    add_surface(x = z2$x, y = z2$y, z = z2$z, cmin = min(c1$z), cmax = max(c2$z), surfacecolor = c2$z) %>%
    add_trace(data = df, x = ~x, y = ~y, z = ~z, mode = "markers", type = "scatter3d", 
              marker = list(size = 3.5, color = "red", symbol = 10))%>%
    layout(title="Stack Exchange Plot")
p