在R中的2D直方图中找到高密度区域

Question

我通过以下方式使用MASS的kde2d函数创建了一系列2D直方图：

    # Loading libraries
    library(MASS)
    library(RcolorBrewer)
    # Loading data
    data <- as.matrix(read.table('data.dat'))
    # Create the 2dhist object      
    hist_2d <- kde2d(data[,1],data[,2],n = 60, lims=c(-180,180,-180,180))
    # Define the color palette
    rf <- colorRampPalette(rev(brewer.pal(11,'Spectral')))
    r <- rf(60)
    # Defining the axis
    at_x = seq(-180,180,by=30)
    at_y = seq(-180,180,by=30)
    # Plot the 2DHistogram
    image(hist_2d,col=r,cex.main=3,main='Q68L',axes=F)
    axis(1,lwd.ticks=2,at=at_x,labels=T,cex.axis=2)
    axis(2,lwd.ticks=2,at=at_y,labels=T,cex.axis=2)

直方图这样生成looks。如何识别所有高密度区域（我在white squares内标记了这些区域）？解决此问题的理想方法是针对每个高密度区域抛出一个（x，y）范围的函数，以便可以将其应用于多个数据集中。

在此先感谢您是否需要其他信息

Answer 1

有了正确的数据表示，就可以做到 聚类分析。由于您不提供数据，因此我将举例说明 kde2d帮助页面上使用的数据-间歇泉数据。 该数据可以很清晰地分离出“高密度” 区域（例如您的示例图片），因此我将仅使用一个简单的区域 k均值聚类。

library(MASS)
attach(geyser)
f2 <- kde2d(duration, waiting, n = 50, lims = c(0.5, 6, 40, 100),
            h = c(width.SJ(duration), width.SJ(waiting)) )
image(f2, zlim = c(0, 0.05))

我们需要找到“热点”。为了了解一下 什么值应该被认为是“高”，我们可以看一个箱线图。

boxplot(as.vector(f2$z))

基于此，我会随意使用一些点， z值大于0.012。您需要对此进行调整 您的特定问题。

Hot = which(f2$z > 0.012, arr.ind = TRUE)
HotPoints = data.frame(x=f2$x[Hot[,1]], y=f2$y[Hot[,2]])
plot(HotPoints, pch=20, xlim = c(0.5,6), ylim = c(40,100))

现在我们需要聚类点并找到x和y范围 对于集群。首先，我简单地说明一下 结果是合理的。

KM3 = kmeans(scale(HotPoints), 3)
plot(HotPoints, pch=20, xlim = c(0.5,6), ylim = c(40,100))
for(i in 1:3) {
    Rx = range(HotPoints[KM3$cluster == i,1])
    Ry = range(HotPoints[KM3$cluster == i,2])
    polygon(c(Rx, rev(Rx)), rep(Ry, each=2))
}

我不确定您希望如何将结果呈现给您， 但是将它们全部集中到一个位置的一种方法是：

XRanges = sapply(unique(KM3$cluster), 
    function(i) range(HotPoints[KM3$cluster == i,1]))
XRanges
         [,1]     [,2]     [,3]
[1,] 3.979592 3.867347 1.734694
[2,] 4.877551 4.316327 2.071429
YRanges = sapply(unique(KM3$cluster), 
    function(i) range(HotPoints[KM3$cluster == i,2]))
YRanges
         [,1]     [,2]     [,3]
[1,] 47.34694 70.61224 73.06122
[2,] 62.04082 87.75510 95.10204

这给出了三个群集中每个群集的x和y的最小值和最大值。

但是，我在这里做了一些选择，我想指出 我仍然为你留了一些工作。 您 还需要做什么：
1.您需要选择密度的临界点 需要成为一个集群。
2.给定截止点以上的点，您需要说 您要生成多少个群集。

其余的机器在那里。