我在 R 中有坐标数据，我想确定我的点所在位置的分布。点的整个空间是边长为 100 的正方形。
我想将点分配给正方形上的不同段，例如四舍五入到最接近的 5。我已经看到使用示例cut，findinterval但我不确定在创建 2d bin 时如何使用它。
实际上，我想要做的是平滑分布，因此网格的相邻区域之间没有巨大的跳跃。
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')
红点显然是在一个偶然没有很多其他点的区域，所以这里的密度将是相邻区域密度的一个跳跃，我希望能够平滑这个
bin2您可以使用库中的函数获取分箱数据ash。
关于红点周围区域数据稀疏的问题，一种可能的解决方案是使用平均移位直方图。它在多次移动直方图并平均 bin 计数后对您的数据进行 bin 处理。这缓解了 bin 原点的问题。例如，想象一下，如果红点是 bin 的左上角或 bin 的右下角，那么包含红点的 bin 中的点数会如何变化。
library(ash)
bins <- bin2(cbind(x,y))
f <- ash2(bins, m = c(5,5))
image(f$x,f$y,f$z)
contour(f$x,f$y,f$z,add=TRUE)
如果您想要更平滑的 bin，可以尝试增加参数m，它是一个长度为 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
分箱算法在 fortran 中实现，速度非常快。
如果您愿意使用ggplot2，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 分箱，您可以使用 2d（二元）正态核密度平滑：
library(KernSmooth)
bins <- bkde2D(as.matrix(data.frame(x, y)), bandwidth = c(2, 2), gridsize = c(25L, 25L))
这也可以绘制为
library(reshape2)
ggplot(melt(bins$fhat), aes(Var1, Var2, fill = value)) + geom_raster()
该bins对象包含x和y值和归一化密度fhat。使用网格大小（每个方向的网格点数）和带宽（平滑比例）来获得你想要的。