如何使用Python重新加权以维持不同样本之间的协变量分布?

如何使用Python重新加权以维持不同样本之间的协变量分布?,python,distribution,matching,sample,weighting,Python,Distribution,Matching,Sample,Weighting,我有两个独立的样本,它们的观测数量和两个变量的分布都不同(假设没有更多的变量)。我想维持集合1中存在的分布,对于集合2中的两个变量也是如此。所以,我需要找到一种适当的方法来重新加权样本2中的观测值,以便每个样本中两个变量的分布非常相似甚至匹配。换句话说,我想根据集合1的分布在两个变量中产生两个平衡集合 如果我没有完全错的话,我的问题是关于python中的后分层和重新加权技术 是否有人链接到已经发布的python代码,或者知道如何使用python在两个示例中匹配多个变量的分布?问得不对,这里人们通

我有两个独立的样本,它们的观测数量和两个变量的分布都不同(假设没有更多的变量)。我想维持集合1中存在的分布,对于集合2中的两个变量也是如此。所以,我需要找到一种适当的方法来重新加权样本2中的观测值,以便每个样本中两个变量的分布非常相似甚至匹配。换句话说,我想根据集合1的分布在两个变量中产生两个平衡集合

如果我没有完全错的话,我的问题是关于python中的后分层和重新加权技术


是否有人链接到已经发布的python代码,或者知道如何使用python在两个示例中匹配多个变量的分布?

问得不对,这里人们通常处理的是代码,而不是方法。不管你在哪里问,这里的人通常处理代码,而不是方法论。试试看