it-swarm.com.de

Effiziente Darstellung von Hunderten von Millionen Punkten in R

Ist plot() der effizienteste Weg, um etwa 100 Millionen Datenpunkte in R darzustellen? Ich möchte eine Reihe von diesen Clifford Attractors . Hier ein Beispiel, das ich von einem sehr großen Bild herunterskaliert habe: 

 A Clifford attractor

Hier ist ein Link zu Code, mit dem ich sehr große 8K-Bilder (7680x4320) gezeichnet habe.

Es dauert nicht lange, um 50 oder 100 Millionen Punkte (mit Rcpp) zu generieren, oder den Hex-Wert für Farbe + Transparenz zu erhalten, aber das eigentliche Plotten und Speichern auf der Festplatte ist extrem langsam. 

  • Gibt es eine schnellere Möglichkeit, alle diese Punkte zu zeichnen (und zu speichern)?
  • Ist R nur ein schlechtes Werkzeug für diesen Job?
  • Welche Werkzeuge würden Sie verwenden, um Milliarden Punkte zu zeichnen, selbst wenn Sie sie nicht alle in den RAM einpassen könnten?
  • Wie hätte man mit dieser Software und Hardware aus den 1990er Jahren eine sehr hochauflösende Darstellung dieses Typs (Farbe + Transparenz) erstellt?

Edit: verwendeter Code 

# Load packages
library(Rcpp)
library(viridis)

# output parameters
output_width = 1920 * 4
output_height = 1080 * 4
N_points = 50e6
point_alpha = 0.05 #point transperancy

# Attractor parameters
params <- c(1.886,-2.357,-0.328, 0.918)

# C++ function to rapidly generate points
cliff_rcpp <- cppFunction(
    "
    NumericMatrix cliff(int nIter, double A, double B, double C, double D) {
    NumericMatrix x(nIter, 2);
    for (int i=1; i < nIter; ++i) {
    x(i,0) = sin(A*x(i-1,1)) + C*cos(A*x(i-1,0));
    x(i,1) = sin(B*x(i-1,0)) + D*cos(B*x(i-1,1));
    }
    return x;
    }"
)

# Function for mapping a point to a colour
map2color <- function(x, pal, limits = NULL) {
    if (is.null(limits))
        limits = range(x)
    pal[findInterval(x,
                     seq(limits[1], limits[2], length.out = length(pal) + 1),
                     all.inside = TRUE)]
}

# Obtain matrix of points
cliff_points <- cliff_rcpp(N_points, params[1], params[2], params[3], params[4])

# Calculate angle between successive points
cliff_angle <- atan2(
    (cliff_points[, 1] - c(cliff_points[-1, 1], 0)),
    (cliff_points[, 2] - c(cliff_points[-1, 2], 0))
)

# Obtain colours for points
available_cols <-
    viridis(
        1024,
        alpha = point_alpha,
        begin = 0,
        end = 1,
        direction = 1
    )

cliff_cols <- map2color(
    cliff_angle,
    c(available_cols, rev(available_cols))
)


# Output image directly to disk
jpeg(
    "clifford_attractor.jpg",
    width = output_width,
    height = output_height,
    pointsize = 1,
    bg = "black",
    quality = 100

)
    plot(
        cliff_points[-1, ],
        bg = "black",
        pch = ".",
        col = cliff_cols
    )

dev.off()
36
dcl

Ich untersuche derzeit datashader ( http://www.datashader.org ). Wenn Sie bereit sind, mit Python zu arbeiten, könnte dies eine elegante Lösung für das Problem sein. 

1
Florian

Vielleicht kann geom_hex () aus dem Paket ggplo2 eine Lösung sein? https://ggplot2.tidyverse.org/reference/geom_hex.html

0
Sara