我想使用KDE来估计我在显微镜图像中检测到的XY点列表上的簇密度（这是一个完全不同的过程）。我试着修改这个答案中的代码：https://stackoverflow.com/a/64499779/2009558
为什么KDE的输出不能Map到输入维度？我不明白把KDE输出Map到网格的必要性。也不知道为什么网格的尺寸与输入数据不匹配。这一行中的“128j”值是多少？

gx, gy = np.mgrid[x.min():x.max():128j, y.min():y.max():128j]

这是什么样的python对象？既有数字又有字母，但不是字符串？我试着在谷歌上搜索这个问题，但找不到答案。Numpy有时候太不pythonic了，让我抓狂。
这是我目前的情况。数据只是一个pandas df，X和Y坐标作为浮点数。

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

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))
# print(gxy[0])
z = np.apply_along_axis(kde, 2, gxy)
z = z.reshape(128, 128)

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

这就产生了我想要的大部分情节：点叠加在其上的密度图，但密度数据的维度为128 x 128，而不是输入极限的维度。

当我试着用真实的维度来代替重塑时

z = z.reshape(ceil(xx.max()-xx.min()), ceil(yy.max()-yy.min()))

我只是得到错误。

---------------------------------------------------------------------------
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)