Question

我在R中有坐标数据，我想确定一下我的点位置的分布。点的整个空间是边长为100的正方形。

我想将点分配到广场上的不同段，例如四舍五入到最接近的5.我看过使用cut和findinterval的示例，但我不知道如何在创建2d bin时使用它。

实际上，我希望能够做到的是平滑分布，以便在网格的相邻区域之间没有大的跳跃。

例如（这只是为了说明问题）：

set.seed(1)
x <- runif(2000, 0, 100)
y <- runif(2000, 0, 100)
plot(y~x)
points( x = 21, y = 70, col = 'red', cex = 2, bg = 'red')

红点显然位于一个偶然没有很多其他点的区域，因此这里的密度将是相邻区域密度的跳跃，我希望能够将其平滑< / p>

Answer 1

如果您愿意使用ggplot2，那么有一些不错的选择。

ggplot(data.frame(x,y), aes(x,y)) + geom_bin2d()

ggplot(data.frame(x,y), aes(x,y)) + stat_density2d(aes(fill = ..level..), geom = "polygon")

更新：要计算2d分级，您可以使用2d（双变量）正常内核密度平滑：

library(KernSmooth)
bins <- bkde2D(as.matrix(data.frame(x, y)), bandwidth = c(2, 2), gridsize = c(25L, 25L))

也可以绘制为

library(reshape2)
ggplot(melt(bins$fhat), aes(Var1, Var2, fill = value)) + geom_raster()

bins对象包含x和y值以及归一化密度fhat。使用网格化（每个方向上的网格点数）和带宽（平滑比例）进行游戏，以获得您所追求的目标。

Answer 2

您可以使用bin2库中的ash函数获取分箱数据。

关于红点周围区域中数据稀疏性的问题，一种可能的解决方案是平均移位直方图。在将直方图移位几次并平均箱数后，它会对您的数据进行分类。这减轻了箱子起源的问题。例如，想象如果红点是箱的左侧或箱的右下方，则包含红点的箱中的点数如何变化。

library(ash)
bins <- bin2(cbind(x,y))
f <- ash2(bins, m = c(10,10))

image(f$x,f$y,f$z)
contour(f$x,f$y,f$z,add=TRUE)

如果你想要更平滑的箱子，你可以尝试增加参数m，这是一个长度为2的向量，用于控制每个变量的平滑参数。

f2 <- ash2(bins, m = c(10,10))
image(f2$x, f2$y, f2$z)
contour(f2$x,f2$y,f2$z,add=TRUE)

比较f和f2

binning算法在fortran中实现，速度非常快。