如何在R中降低热图分辨率，对x、y变量分箱并保留强度信息？

针对2000x2000粒度的xy坐标数据，可通过二维分箱聚合强度值的方式降低热图分辨率，同时保留整体强度分布特征，以下是两种可直接复用的实现方式：

方式1：提前手动分箱（可控性最高） #

先对x、y轴坐标做分箱分组，再按组聚合强度值，后续基于分箱后的数据绘图即可。

步骤1：数据分箱处理 #

需加载dplyr做数据处理，可自定义分箱大小和聚合规则：

library(dplyr)
library(ggplot2)
library(scales)

# 自定义分箱大小，2代表2x2的原始格子合并为1个，可按需调整
bin_size <- 2

avgS4_binned <- avgS4 %>%
  mutate(
    # x轴分箱，floor代表箱起始值为bin_size的整数倍，也可替换为round/ceiling调整对齐规则
    x_bin = floor(variable / bin_size) * bin_size,
    # y轴分箱规则和x轴保持一致
    y_bin = floor(V1 / bin_size) * bin_size
  ) %>%
  group_by(x_bin, y_bin) %>%
  summarise(
    # 聚合规则：需要求和用sum，需要平均强度用mean，可按需替换为median、max等
    binned_value = sum(value, na.rm = TRUE),
    .groups = "drop"
  )

按你给出的示例数据计算，上述代码会将(1,1)、(1,2)、(2,1)、(2,2)四个点聚合为一个分箱，对应强度值为3+4+5+5=17，和你预期的计算结果完全一致。

步骤2：用分箱后的数据绘图 #

仅需替换原有代码的映射字段即可：

ggplot(avgS4_binned) + 
  geom_tile(aes(x = x_bin, y = y_bin, fill = binned_value)) +
  scale_fill_viridis(option = "magma", direction = 1, limits = c(58000,63000),
        oob = squish) +
  scale_y_reverse()

方式2：直接用ggplot内置分箱函数（无需提前处理数据） #

如果不需要单独保留分箱后的数据集，可直接使用geom_bin_2d在绘图时自动完成分箱聚合：

ggplot(avgS4, aes(x = variable, y = V1, z = value)) + 
  geom_bin_2d(
    binwidth = c(2,2), # 分别设置x、y方向的分箱宽度
    fun = sum # 指定聚合函数，和手动分箱的规则保持一致
  ) +
  scale_fill_viridis(option = "magma", direction = 1, limits = c(58000,63000),
        oob = squish) +
  scale_y_reverse()

注意事项 #

• 分箱大小可灵活调整：针对2000x2000的原始数据，将bin_size设为10即可将热图分辨率降到200x200，大幅提升渲染速度和图案关联性
• 原始数据不会被修改：分箱仅作用于绘图用的衍生数据集，原始细粒度数据可单独存储，不会丢失
• 聚合规则可按需调整：如果需要反映分箱内的平均强度，将sum替换为mean即可

内容的提问来源于stack exchange，提问作者MonkeyArrow