密度图与scipy高斯核函数

Question

我有两个坐标x和y的一维数组，我想要一个密度图。我发现了scipy.stats.高斯分布（）可以帮助我，但我不明白它是如何工作的。在

我的代码是：

n = 1000
xs, ys = np.random.normal(-3., 3., size=n), np.random.normal(1., 4., size=n)
x, y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([x.ravel(), y.ravel()])
values = np.vstack([xs, ys])
# Bandwidth value.
bw = 0.325
kernel = stats.gaussian_kde(values, bw_method=bw/np.asarray(values).std(ddof=1))
# Evaluate kernel in grid positions.
k_pos = kernel(positions)
kde = np.reshape(k_pos.T, x.shape)

“kde”是在（0,1）之间归一化的高斯核密度吗？怎样才能得到非标准化的密度来匹配表面密度m^2的物理尺寸？在

谢谢你的帮助！在