python高斯求和_基于python的二维散射图高斯求和

我试图建立一个人们通常所说的自制KDE——我想。我试图评估一组相当大的数据点的密度。特别是，对于一个散点有很多数据点，我想用颜色渐变来表示密度(见下面的链接)。在

为了举例说明，我在下面提供了一对随机的(x，y)数据。实际数据将以不同的比例分布，因此X和Y网格点间距不同。在import numpy as np

from matplotlib import pyplot as plt

def homemadeKDE(x, xgrid, y, ygrid, sigmaX = 1, sigmaY = 1):

a = np.exp( -((xgrid[:,None]-x)/(2*sigmaX))**2 )

b = np.exp( -((ygrid[:,None]-y)/(2*sigmaY))**2 )

xweights = np.dot(a, x.T)/np.sum(a)

yweights = np.dot(b, y.T)/np.sum(b)

return xweights, yweights

x = np.random.rand(10000)

x.sort()

y = np.random.rand(10000)

xGrid = np.linspace(0, 500, 501)

yGrid = np.linspace(0, 10, 11)

newX, newY = homemadeKDE(x, xGrid, y, yGrid)

我一直坚持的是，如何将这些值投影回原始的x和y向量，以便我可以使用它来绘制2D散点图(x，y)，其中密度的z值由给定的颜色贴图着色，如下所示：

^{pr2}$

绘图和KDE方法实际上是受到了这个伟大的answer的启发

编辑1

为了消除一些混乱，我们的想法是做一个高斯KDE，它将在一个更粗糙的网格上。sigy和sigy分别反映了sigy和max的方向。在