Python中用(x,y)值代替频率的核密度估计
我想用Python做一个内核密度估计。我拥有的数据具有以下形式(x_值,y_值)(即(0,300),(1,200),(2,250),…),所有x_值彼此不同。这是否可以使用scipy.stats.gaussian_kde实现?我所发现的只是以某种或多或少的非结构化数据的形式使用数据,其中算法决定了不同值的频率Python中用(x,y)值代替频率的核密度估计,python,scipy,kernel-density,scipy.stats,Python,Scipy,Kernel Density,Scipy.stats,我想用Python做一个内核密度估计。我拥有的数据具有以下形式(x_值,y_值)(即(0,300),(1,200),(2,250),…),所有x_值彼此不同。这是否可以使用scipy.stats.gaussian_kde实现?我所发现的只是以某种或多或少的非结构化数据的形式使用数据,其中算法决定了不同值的频率 提前感谢您这是调用scipy.stats.gaussian_kde获取2D数据的正常方式。输入需要是一个2xN数组。因此,您需要转换数据np.array([(0300),(1200),(2
提前感谢您这是调用
scipy.stats.gaussian_kde
获取2D数据的正常方式。输入需要是一个2xN数组。因此,您需要转换数据np.array([(0300),(1200),(2250),…]).T
。