Python Seaborn双变量KDE加速

我正在估计位置数据（x和y坐标）的高斯双变量KDE，为此我使用

sns.kdeplot

。虽然它工作正常（即，我得到了我得到的绘图），但对于我拥有的数据量来说，它相当慢（最多可以减少50万（x，y）对）

在

seaborn

中实现的

kdeplot

的复杂性是什么？我似乎找不到这个信息。是“经典”$O（nm）$KDE复杂性吗

是否有比seaborn更快的KDE绘图的免费实现

是否有一些可以加速计算的位置数据预处理方法？我已经阅读了的答案，但我还没有完全理解它，我也不确定它是否直接适用于我的数据类型。在这些问题的答案中，位置数据的首选方法是什么？k-D树是一种很好的方法吗？它是否已经在

seaborn

（或其他库）中实现了，或者我应该编写自己的实现

另见：