使用scipy.stats.rv_histogram（）函数从二维直方图中采样

Question

如果我具有要从中采样的直方图给出的经验分布，则scipy函数rv_histogram非常有用。因此，我可以如以下最小示例所示对新数据进行采样：

import scipy.stats
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

x = np.array(range(2,8))
hist_1d = pd.DataFrame(np.array([11., 46., 158., 75., 90., 14.]), index=x)
plt.plot(x + 0.5, hist_1d.values)
dist = scipy.stats.rv_histogram((hist_1d.values.ravel(), np.array(range(2,9))))
plt.hist(dist.rvs(size=500), bins=len(x))

现在我想对这个最小示例中给出的2D分布执行相同的操作：

hist_2d = pd.DataFrame(np.array([[129, 162, 178, 182, 182, 182],
                   [122, 163, 185, 191, 189, 185],
                   [115, 164, 192, 200, 197, 189],
                   [ 94, 136, 158, 162, 157, 152],
                   [ 74, 108, 124, 125, 118, 116],
                   [ 53,  80,  90,  88,  79,  80]]),
                  index=range(2,8), columns=range(8,14))
sns.heatmap(hist_2d)

但是，rv_histogram函数只能获取一维数据-至少我不知道如何传递两个面元边界矢量。这可能吗，还是Python中有类似的功能？

编辑：可能的解决方案

我接受了以下答案，因为它回答了以下问题：无法使用该函数，并且在Scipy / Python数据科学堆栈中未找到类似的函数。

仅供参考，我可以基于Walker Sampling的this实现找到一个可能的解决方案：

from walker import WalkerRandomSampling

keys = list(itertools.product(hist_2d.index, hist_2d.columns))
values = hist_2d.values.flatten()

wrand = WalkerRandomSampling(weights=values, keys=keys)
samples = wrand.random(100000)

hist,_,_ = np.histogram2d(x= samples[:,0], y=samples[:,1], bins=6)
sns.heatmap(hist)

Answer 1

是的，整个rv_generic层次结构仅是一维的，并且包含rv_histogram。