在R中绘制二维密度图与等高线：如何保留图中低密度区域的等高线？

嗨，我之前处理过百万级数据的二维密度图需求，这种局部高密度导致低密度区域被默认参数“忽略”的情况很常见，给你几个实用的解决方案：

1. 手动指定等高线断点 #

默认的geom_density_2d会自动选择少数几个高密度的断点，导致低密度区域的等高线不显示。你可以先计算数据的密度分布，再自定义包含低到高的断点序列：

library(MASS)
library(ggplot2)

# 先计算二维密度分布，n控制网格精度（按需调整）
dens <- kde2d(df$var1, df$var2, n = 100)
# 获取密度的最大值，用来生成连续的断点
max_density <- max(dens$z)
# 自定义断点，length.out控制等高线的数量，数值越多显示越细致
custom_breaks <- seq(0, max_density, length.out = 15)

# 用自定义断点绘图
ggplot(df, aes(x = var1, y = var2)) +
  geom_density_2d(breaks = custom_breaks, color = "darkblue")

2. 结合填充密度图展示完整分布 #

如果想更直观地看到低密度区域，建议先绘制填充的密度图，再叠加等高线，这样既能通过颜色区分密度梯度，也能保留等高线的轮廓：

ggplot(df, aes(x = var1, y = var2)) +
  # 填充密度图，用自定义断点覆盖全范围
  geom_density_2d_filled(breaks = custom_breaks, alpha = 0.6) +
  # 叠加等高线，和填充图用相同断点保证对应
  geom_density_2d(breaks = custom_breaks, color = "black", size = 0.5) +
  # 用渐变色彩更清晰区分密度
  scale_fill_viridis_c(option = "plasma")

3. 调整核密度估计的带宽 #

默认的带宽参数可能过于“聚焦”高密度区域，你可以通过adjust参数放大带宽，让密度估计更平滑，从而覆盖更广的区域（注意：adjust值越大，密度图越平滑，细节越少，按需调整）：

ggplot(df, aes(x = var1, y = var2)) +
  geom_density_2d(adjust = 1.8, color = "darkred")

额外提示：处理百万级数据的性能优化 #

百万条数据计算密度会比较耗时，你可以：

• 先对数据进行分层抽样（比如抽取10%的代表性样本），在保证分布趋势的前提下加快计算；
• 调整kde2d或geom_density_2d中的n参数（网格点数），减少计算量（比如从200降到100）。

内容的提问来源于stack exchange，提问作者Danielle