Двумерное ускорение Seaborn в KDE ⇐ Python

[Anonymous]

Я оцениваю гауссову двумерную KDE данных о позициях (координаты x и y) и использую для этого sns.kdeplot. Хотя он работает правильно (т. е. я получаю график, который получаю), он довольно медленный для того объема данных, который у меня есть (может достигать 0,5 миллиона пар (x, y)).

• Какова сложность kdeplot, реализованного в seaborn? Кажется, я не могу найти эту информацию. Это «классическая» $O(nm)$ сложность KDE?
• Существуют ли свободно доступные реализации графиков KDE, которые работают быстрее, чем в seaborn?
• Существуют ли какие-нибудь методы предварительной обработки данных о местоположении, которые могут ускорить вычисления? Я прочитал ответы на https://stats.stackexchange.com/questio ... estimation, но я не до конца понял это, а также не уверен, применимо ли это напрямую к моему типу данных. Что касается ответов на эти вопросы, какой метод получения данных о местоположении будет предпочтительным? Являются ли деревья kD хорошим подходом к этому? Это уже реализовано подобным образом в seaborn (или в какой-то другой библиотеке), или мне следует написать свою собственную реализацию?