如何在ggplot中生成与R基础绘图一致的凸包多边形？

我来帮你搞定这个问题～

为什么基础绘图和ggplot的结果不一样？ #

你在基础绘图里能得到理想的凸包，大概率是因为你手动筛选了目标点（也就是那些最大经纬度的点），再用chull()计算这些子集的凸包顶点；但ggplot默认的stat_chull()会对传入的全部数据点计算凸包，所以得到的是覆盖所有20个点的凸多边形，自然和你要的效果不一样。

解决办法：只针对目标子集计算凸包 #

你只需要在ggplot里指定凸包的计算对象是你筛选出的“最大经纬度点”就行，有两种简单的实现方式：

方法1：提前筛选出目标子集再绘图 #

先从你的数据里提取符合条件的点（比如这里我假设“最大经纬度”是指经度和纬度都排在前20%的点，你可以根据自己的需求调整筛选逻辑），再用这个子集绘制凸包：

library(ggplot2)
library(dplyr)

# 假设你的数据框叫df，包含lon（经度）、lat（纬度）、density（密度）列
# 筛选出经度和纬度都在前20%的点
top_lon_lat_points <- df %>%
  filter(lon > quantile(lon, 0.8), lat > quantile(lat, 0.8))

# 绘制图形
ggplot(df, aes(x = lon, y = lat)) +
  geom_point(aes(color = density)) +  # 绘制所有原始点，用密度着色
  # 用筛选后的子集绘制凸包
  geom_polygon(data = top_lon_lat_points, aes(group = 1),
               stat = "chull", fill = NA, color = "red", size = 1)

方法2：直接在stat_chull里指定子集 #

如果你不想额外创建新数据框，可以直接在stat_chull()里用subset参数筛选目标点，一步到位：

ggplot(df, aes(x = lon, y = lat)) +
  geom_point(aes(color = density)) +
  stat_chull(aes(group = 1),
             # 这里的筛选逻辑和方法1一致，你可以按需修改
             subset = .(lon > quantile(lon, 0.8) & lat > quantile(lat, 0.8)),
             fill = NA, color = "red", size = 1)

小提示 #

你可以根据自己的实际需求调整筛选条件：比如如果是要取经度最大的10个点，就改成lon >= sort(lon, decreasing = TRUE)[10]；如果是要同时满足经度最大和纬度最大的点，就调整逻辑运算符即可。

内容的提问来源于stack exchange，提问作者caira