快速搜索高斯核中最大值的坐标

Question

我有一个使用scipy.stats.gaussian_kde 函数生成二维高斯内核的简单代码。

这是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：

我需要的是一种在这个KDE中获取最大值的x,y坐标的方法。

对于我可以从各种来源收集到的信息，找到最大值的直接方法似乎是在精细网格上评估 kernel，然后使用 np.argmax 找到它，见下文：

# 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非常慢，几乎到了无法用于不太大的数据集的地步。

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）：有没有一种更快的方法来评估细网格中的内核？

Answer 1

np.argmax(kernel)

可能就是你要找的……

见：http://docs.scipy.org/doc/numpy/reference/generated/numpy.argmax.html