python - Python fastKDE超出了数据点的限制

我正在尝试使用fastKDE包（https://pypi.python.org/pypi/fastkde/1.0.8）在2D图中查找点的KDE。但是，我想了解KDE超出数据点的限制，并且无法弄清楚该如何做。

使用上面链接的网站上列出的代码；

#!python

import numpy as np
from fastkde import fastKDE
import pylab as PP

#Generate two random variables dataset (representing 100000 pairs of datapoints)
N = 2e5
var1 = 50*np.random.normal(size=N) + 0.1
var2 = 0.01*np.random.normal(size=N) - 300

#Do the self-consistent density estimate
myPDF,axes = fastKDE.pdf(var1,var2)

#Extract the axes from the axis list
v1,v2 = axes

#Plot contours of the PDF should be a set of concentric ellipsoids centered on
#(0.1, -300) Comparitively, the y axis range should be tiny and the x axis range
#should be large
PP.contour(v1,v2,myPDF)
PP.show()

我可以在数据限制内找到任意点的KDE，但是如何找到该点的KDE（0,300），而不必将其包含到var1和var2中。我不想用这个数据点来计算KDE，我想知道那一点上的KDE。

我想我真正想做的就是给fastKDE提供数据的直方图，以便我自己设置轴。我只是不知道这可能吗？

干杯

最佳答案

我也一直在尝试此代码，并遇到了相同的问题。我所做的（代替良好的N-D外推器）是从fastKDE返回的网格点构建KDTree（具有scipy.spatial），并找到距我要评估的点最近的网格点。然后，我在该点查找相应的pdf值（如果不完全为零，则在pdf网格的边缘附近应该很小）并相应地分配该值。

关于python - Python fastKDE超出了数据点的限制，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40756024/