Numpy KDE输出与输入维度不匹配及np.mgrid中128j含义咨询

问题1：为何KDE的输出无法匹配输入维度？为何需要将KDE输出映射到网格，且网格维度与输入数据不匹配？ #

• KDE本质是概率密度函数，输入是离散的XY点集，输出的是每个点对应的密度值，但要生成可视化的密度图，必须把连续的密度函数采样到规则网格上——因为图像是像素化结构，需要用网格点代表平面位置，再为每个网格点分配密度值。
• 输入数据是无固定网格的离散点，而KDE输出的是网格采样点的密度，因此维度和输入点数量不匹配。网格维度是人为指定的（如128x128），用于控制可视化分辨率，和输入数据的范围大小无关，仅取决于采样精度需求。

问题2：代码中gx, gy = np.mgrid[x.min():x.max():128j, y.min():y.max():128j]里的128j是什么类型的Python对象？ #

• 128j是复数类型对象。在numpy的mgrid中，复数的虚部用于指定该维度要生成的采样点数量，而非步长。例如x.min():x.max():128j表示在x轴的最小值到最大值区间内，生成128个等间距采样点，相比用步长控制，这种方式更方便直接指定分辨率。

问题3：尝试用输入的实际范围维度重塑z时出现ValueError: cannot reshape array of size 16384 into shape (393,464)报错 #

报错代码 #

import numpy as np
import plotly.express as px
import plotly.offline as offline
import pandas as pd
from scipy.stats import gaussian_kde
from math import ceil

xx = df['X']
yy = df['Y']
xy = np.vstack((xx, yy))
kde = gaussian_kde(xy)

gx, gy = np.mgrid[xx.min():xx.max():128j, yy.min():yy.max():128j]
gxy = np.dstack((gx, gy))
z = np.apply_along_axis(kde, 2, gxy)
z = z.reshape(ceil(xx.max()-xx.min()), ceil(yy.max()-yy.min()))

fig = px.imshow(z)
fig.add_trace(go.Scatter(x = xx, y = yy, mode='markers', marker = dict(color='green', size=1)))
fig.show()

报错详情 #

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_19840/2556669395.py in <module>
     12 z = np.apply_along_axis(kde, 2, gxy)
     13 # z = z.reshape(128, 128)
---> 14 z = z.reshape(ceil(xx.max()-xx.min()), ceil(yy.max()-yy.min()))
     15 
     16 fig = px.imshow(z)

ValueError: cannot reshape array of size 16384 into shape (393,464)

原因与解决方法 #

• 核心原因是数组元素总数不匹配：z由128x128的网格生成，总元素数是128128=16384；而你要重塑的(393,464)总元素数是393464=182352，两者数量差异巨大，无法完成重塑。
• 解决思路：
  1. 若要让密度图匹配显微图像的像素维度，直接在mgrid中指定对应维度的采样数即可，无需先采128x128再重塑。比如图像是393行464列，就写：

     gx, gy = np.mgrid[xx.min():xx.max():393j, yy.min():yy.max():464j]
     

     这样生成的z自然是393x464的尺寸，无需额外reshape操作。
  2. 注意区分坐标范围长度和图像像素数：np.ceil(xx.max()-xx.min())得到的是点的x轴坐标跨度，不是图像的像素宽度。显微图像的像素数是固定分辨率，和点的坐标范围是不同概念，不能混淆。

内容的提问来源于stack exchange，提问作者Ninja Chris