海生双变量KDE加速比

Question

我正在估计位置数据（x和y坐标）的高斯双变量KDE，我使用sns.kdeplot来实现这一点。虽然它工作正常（即，我得到了我得到的绘图），但对于我拥有的数据量来说，它相当慢（最多可以有50万（x，y）对）。你知道吗

1. 在seaborn中实现的kdeplot的复杂性是什么？我似乎找不到这个信息。是不是“经典”$O（nm）$KDE复杂性？

2. 有没有比seaborn更快的KDE图的免费实现？

3. 是否有一些位置数据的预处理方法可以加速计算？我已经阅读了https://stats.stackexchange.com/questions/105623/how-to-speed-up-kernel-density-estimation的答案，但我还没有完全理解它，而且我也不确定它是否直接适用于我的数据类型。在这些问题的答案中，位置数据的首选方法是什么？k-D树是一个很好的方法吗？它是否已经在seaborn（或其他库）中实现了，或者我应该编写自己的实现？