How to highlight specific data points in a scatter plot with ggplot2

Problem

We would like to highlight specific data points in a scatter plot created with ggplot2. In our example, we will use the mpg dataset (Fuel economy data from 1999 and 2008 for 38 popular models of car). We want to highlight in red and a larger point size those data points whose displ (engine displacement) are greater than 5 and hwy (highway miles per gallon) greater than 20.

Solution

Option 1

We add the conditions for both attributes, colour and size, inside geom_point. Then we control manually those using scale_colour_manual and scale_size_manual respectively. Finally, we remove the legend.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, colour = displ > 5 & hwy > 20, size = displ > 5 & hwy > 20)) + 
  scale_colour_manual(values = c("black", "red")) + 
  scale_size_manual(values =c(1.5, 3))+
  theme(legend.position = "none")

Option 2

We create two layers of data points using geom_point. The first layer include all data points in black (by default but e). The second layer adds the points we would like to highlight in red with a larger point size.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy), colour= "black") +
  geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3)
 

In ggplot2 the layers are added sequentially. If we change the order of the layers, we would get the following result.

ggplot(data = mpg) + 
   geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3) +
   geom_point(mapping = aes(x = displ, y = hwy), colour= "black")
 

Destacar subconjunto de puntos en un diagrama de dispersión con ggplot2

Problema

Deseamos resaltar un determinado número de puntos de un diagrama de dispersión. En nuestro ejemplo, usamos el conjunto de datos mpg (Fuel economy data from 1999 and 2008 for 38 popular models of car). Queremos destacar en rojo y con un tamaño mayor, aquellos cuyo displ (engine displacement) sea mayor de 5 y hwy (highway miles per gallon) mayor de 20.

Solución

Alternativa 1

Añadimos la condición lógica para ambos atributos, color y tamaño del punto dentro de geom_point. Después cambiamos manualmente ambos con scale_colour_manual y scale_size_manual. Finalmente eliminamos la leyenda.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, colour = displ > 5 & hwy > 20, size = displ > 5 & hwy > 20)) + 
  scale_colour_manual(values = c("black", "red")) + 
  scale_size_manual(values =c(1.5, 3))+
  theme(legend.position = "none")

Alternativa 2

Creamos dos capas de puntos con geom_point. La primera en negro incluye todos los puntos. La segunda en rojo y con un tamaño de punto mayor para el subconjunto del data frame deseado.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy), colour= "black") +
  geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3)
 

En ggplot2 las capas se añaden en el orden especificado en el código. Si alteráramos el orden de las dos capas (geom_point), obtendríamos el siguiente resultado.

ggplot(data = mpg) + 
   geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3) +
   geom_point(mapping = aes(x = displ, y = hwy), colour= "black")
 

Entradas relacionadas

• Etiquetar los puntos de un diagrama de dispersión con ggplot2
• Etiquetar selectivamente los puntos de un diagrama de dispersión con ggplot2
• Diagramas de dispersión con el paquete car en R