在python/scipy中找到内核密度估计置信区间的最佳方法？

我目前正在估计我的数据的概率密度函数，它通常不是正态分布的。我用，我想找到估计分布的置信区间

我在scipy文档中没有找到任何方法或函数来实现这一点，因此目前我正在通过整合估计的pdf并对其进行数值优化来获得置信区间，以获得所需的置信水平：

从scipy.stats导入
从scipy.optimize导入根目录\u标量
将numpy作为np导入
#示例数据
数据=np.random.randn（10）
内核=高斯分布（数据）
#返回信心的函数：
def f（x）：
返回内核.integrate_box_1d（-x，x）-0.95
def fprime（x）：
返回内核（x）+内核（-x）
sol=root_标量（f，fprime=fprime，x0=0，method='newton'）
打印（sol.root）

（我知道这不是最大似然置信区间，但我对对称置信区间感兴趣）

有没有更好的办法