python中KDE的光滑逼近

我试图在我的KDE的绘图上只获得x轴上的非负值。我知道我可以限制x轴的值，但我不想这样。有没有办法平滑地近似KDE，这样就没有非负值？我所有的数据都是非负的，但我没有太多的采样点（最多500个，我无法获得更多）。我也尝试过调整带宽，但看起来不太好

for i in range(len(B)):
    ax = sns.kdeplot(data[i],shade=True)   
ax.set_xlabel('Maimum detection time')
ax.legend(['N=25,R=20', 'N=30,R=20', 'N=35,R=20'],fontsize=5)
plt.show()

---

kdeplot背后发生的事情是，内核密度与许多较小的正常密度相匹配（请参阅），并且截断截止点边缘的密度溢出

使用示例数据：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
import statsmodels.api as sm
from scipy.stats import norm

np.random.seed(999)

data = pd.DataFrame({'a':np.random.exponential(0.3,100),
                     'b':np.random.exponential(0.5,100)})  

如果使用

clip=

，则不会在负值处停止计算：

for i in data.columns:
    ax = sns.kdeplot(data[i],shade=True,gridsize=200)

如果添加

cut=0

，它将看起来很奇怪。正如您所指出的，可以在0处截断它：

本文提出了两种解决方案。我编写了@whuber提供的R代码的python实现：

def trunc_dens(x):
    kde = sm.nonparametric.KDEUnivariate(x)
    kde.fit()
    h = kde.bw
    w = 1/(1-norm.cdf(0,loc=x,scale=h))
    d = sm.nonparametric.KDEUnivariate(x)
    d = d.fit(bw=h,weights=w / len(x),fft=False)
    d_support = d.support
    d_dens = d.density
    d_dens[d_support<0] = 0
    return d_support,d_dens

您可以为以下两种情况绘制它：

fig,ax = plt.subplots()
for i in data.columns:
    _x,_y = trunc_dens(data[i])
    ax.plot(_x,_y)

---

这是否回答了您的问题？Seaborn的kdeplot有一个

clip=

参数，可能很有用。请注意，获取更多数据只会有一点帮助，因为高斯kde只假设平滑分布，没有截止线。

fig,ax = plt.subplots()
for i in data.columns:
    _x,_y = trunc_dens(data[i])
    ax.plot(_x,_y)