如何使用'；ks'；和'；rgl'；

我一直在使用“ks”软件包和“rgl”软件包来生成3D内核密度估计和3D绘图。这第一部分做得很好（下面是一个简单的例子）。我搞不清楚的是，是否有可能提取用于构建内核的给定xyz位置的内核值。换句话说，提取三维打印中点的值，类似于“光栅”包中用于二维曲面的提取命令。有没有人做过这样的事情，能为我指明正确的方向？多谢-DJ

library("rgl")
library("ks")

# call the plug-in bandwidth estimator
H.pi <- Hpi(b,binned=TRUE) ## b is a matrix of x,y,z points

# calculate the kernel densities
fhat2 <- kde(b, H=H.pi)

#plot the 50% and 95% kernels in gray and blue
plot(fhat2,cont=c(50,95),colors=c("gray","blue"),drawpoints=TRUE
    ,xlab="", ylab="", zlab="",size=2, ptcol="white", add=FALSE, box=TRUE, axes=TRUE) 




#Structure of fhat2. Original df consists of ~6000 points.  

List of 9
 $ x          : num [1:6173, 1:3] -497654 -497654 -497929 -498205 -498205 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:6173] "50" "57" "70" "73" ...
  .. ..$ : chr [1:3] "x" "max_dep" "y"

$ eval.points:List of 3
  ..$ : num [1:51] -550880 -546806 -542733 -538659 -534586 ...
  ..$ : num [1:51] -7.9 -4.91 -1.93 1.06 4.05 ...
  ..$ : num [1:51] -376920 -374221 -371522 -368823 -366124 ...

$ estimate   : num [1:51, 1:51, 1:51] 0 0 0 0 0 ...

$ H          : num [1:3, 1:3] 3.93e+07 -2.97e+03 8.95e+06 -2.97e+03 2.63e+01 ...

$ gridtype   : chr [1:3] "linear" "linear" "linear"

$ gridded    : logi TRUE

$ binned     : logi FALSE

$ names      : chr [1:3] "x" "max_dep" "y"

$ w          : num [1:6173] 1 1 1 1 1 1 1 1 1 1 ...
 - attr(*, "class")= chr "kde"

库（“rgl”）
图书馆（“ks”）
#调用插件带宽估计器
H.pi试试这个

## from ?plot.kde
library(ks)
library(MASS)
 data(iris)

 ## trivariate example
 fhat <- kde(x=iris[,1:3])

## this indicates the orientation
image(fhat$eval.points[[1]], fhat$eval.points[[2]], apply(fhat$estimate, 1:2, sum))
points(fhat$x[,1:2])

library(raster)

## convert to RasterBrick from raw array
## with correct orientation relative to that of ?base::image
b <- brick(fhat$estimate[,ncol(fhat$estimate):1,], 
    xmn = min(fhat$eval.points[[1]]), xmx = max(fhat$eval.points[[1]]), ymn = min(fhat$eval.points[[2]]), ymx = max(fhat$eval.points[[2]]), 
    transpose = TRUE)

## check orientation
plot(calc(b, sum))
points(fhat$x[,1:2])

答案也可能在于评估分数。进一步研究，您可以在此处输入自己的点，因此您可以输入用于构建kde的点或一组全新的点。
将fhat2转换为光栅，其中可能有一个“image（）xyz”列表。什么是str（fhat2）？根据@mdsummer的要求添加了str（fhat2）。但是，转换为光栅或使用image（）不会导致我丢失3D信息吗？在我的例子中，z是一个深度值，内核密度值是在Lat/Lon/depth空间中生成的。所以也许这更适合描述为4D？似乎image（）会将这些信息展平，这不是我所需要的。谢谢@mdsumner。如果我理解正确的话，你要做的就是构建一系列垂直于z轴的光栅曲面——在本例中是petal.length。每个光栅表面由从数组fhat$estimate中获取的网格值组成（看起来kde构建了其中的51个）。然后，提取给定xy（此处为萼片长度和萼片宽度）坐标下每个光栅曲面的值，而不考虑z值。然后，在51个切片中，我得到了给定xy的内核密度值。听起来对吗？是的，你必须自己做sub-z，它不是内置的，但是如果你需要更多的帮助，它就足够容易了。
plot(b)

## note this is a matrix with nrows = nrow(fhat$x), ncols = nlayers(b)
extract(b, fhat$x[,1:2])