У меня есть x,y
распределение баллов, за которое я получаю KDE
через scipy.stats.gaussian_kde. Это мой код и то, как выглядит вывод (данные x,y
можно получить из здесь):
import numpy as np
from scipy import stats
# Obtain data from file.
data = np.loadtxt('data.dat', unpack=True)
m1, m2 = data[0], data[1]
xmin, xmax = min(m1), max(m1)
ymin, ymax = min(m2), max(m2)
# Perform a kernel density estimate (KDE) on the data
x, y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([x.ravel(), y.ravel()])
values = np.vstack([m1, m2])
kernel = stats.gaussian_kde(values)
f = np.reshape(kernel(positions).T, x.shape)
# Define the number that will determine the integration limits
x1, y1 = 2.5, 1.5
# Perform integration?
# Plot the results:
import matplotlib.pyplot as plt
# Set limits
plt.xlim(xmin,xmax)
plt.ylim(ymin,ymax)
# KDE density plot
plt.imshow(np.rot90(f), cmap=plt.cm.gist_earth_r, extent=[xmin, xmax, ymin, ymax])
# Draw contour lines
cset = plt.contour(x,y,f)
plt.clabel(cset, inline=1, fontsize=10)
plt.colorbar()
# Plot point
plt.scatter(x1, y1, c='r', s=35)
plt.show()
Красная точка с координатами (x1, y1)
имеет (как и любая точка на 2D-графике) связанное значение, заданное f
(ядро или KDE
) от 0 до 0,42. Допустим, что f(x1, y1) = 0.08
.
Мне нужно интегрировать f
с пределами интегрирования в x
и y
, заданными теми регионами, где f
оценивается как меньше, чем f(x1, y1)
, то есть: f(x, y)<0.08
.
Из того, что я видел, python
может выполнять интеграцию функций и одномерных массивов посредством численного интегрирования, но я не видел ничего, что позволило бы мне выполнять численное интегрирование для 2D-массива (ядро f
) Кроме того, я не уверен, как бы я вообще распознал регионы, заданные этим конкретным условием (то есть: f(x, y)
меньше, чем заданное значение)
Это вообще можно сделать?