密度图和scipy高斯核

时间:2016-10-25 15:51:06

标签: python numpy scipy kernel kernel-density

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)

" kde"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!

0 个答案:

没有答案