密度图和scipy高斯核

Question

我有两个坐标为x和y的一维数组，我会有一个密度图。我发现scipy.stats.gaussian_kde（）可以帮助我，但我不能理解它是如何工作的。

我的代码是：

n = 1000
xs, ys = np.random.normal(-3., 3., size=n), np.random.normal(1., 4., size=n)
x, y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([x.ravel(), y.ravel()])
values = np.vstack([xs, ys])
# Bandwidth value.
bw = 0.325
kernel = stats.gaussian_kde(values, bw_method=bw/np.asarray(values).std(ddof=1))
# Evaluate kernel in grid positions.
k_pos = kernel(positions)
kde = np.reshape(k_pos.T, x.shape)

＆＃34; kde＆＃34;高斯核密度在（0,1）之间归一化？如何使密度非标准化以匹配表面密度的物理尺寸为m ^ -2？

感谢您的帮助！