Python 高斯核最大值坐标的快速搜索

我有一个简单的代码，使用函数生成二维高斯核

以下是

MWE

：

def random_data(N):
    # Generate some random data.
    return np.random.uniform(0., 10., N)

# Data lists.
x_data = random_data(10000)
y_data = random_data(10000)

# Obtain the KDE for this region.
kernel = stats.gaussian_kde(np.vstack([x_data, y_data]), bw_method=0.05)

结果如下：

我需要的是一种获得KDE中最大值的

x，y

坐标的方法

对于我可以从各种来源收集的信息，找到最大值的直接方法似乎是在精细的网格上计算

内核

，然后使用

np.argmax

来找到它，请参见以下内容：

# define grid.
xmin, xmax = min(x_data), max(x_data)
ymin, ymax = min(y_data), max(y_data)
x, y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([x.ravel(), y.ravel()])

# THIS IS TOO SLOW.
k_pos = kernel(positions)

# Print max value.
print k_pos[np.argmax(k_pos)]

# Print x,y coordinates of max value.
print positions.T[np.argmax(k_pos)]

这样做的问题是，评估内核的速度非常慢，几乎到了不太大的数据集无法使用的程度

有没有更好的方法来获取最大值的坐标

也被接受（也许更好，因为它还允许快速绘图）：有没有更快的方法在精细网格中评估内核

np.argmax(kernel)

可能就是你要找的

---

请参阅：

没有，已经尝试过了。它返回值

0

。无论如何谢谢你！如果您首先对数据进行装箱，则可以使用卷积和fft。基于statsmodels fft的KDE仅适用于1d，但python中有可用的2d配方。@user333700将数据装箱将导致末端坐标的精度损失。使用

np.unravel_索引（np.argmax（k），k.shape）

从argmax获取坐标