Python R的nrd0是否有scipy/numpy替代方案？

从

bw.nrd0实现了一个选择带宽的经验法则 高斯核密度估计器。它的默认值为0.9倍 标准偏差和四分位间距的最小值 以1.34倍的样本量为负五分之一次方= Silverman的“经验法则”，Silverman 1986，第48页，等式3.31 除非四分位数重合，否则将出现正结果 保证

在相当于np.arange1401的从1到400的数组中，nrd0将返回31.39367。当我尝试在python中实现类似的东西时

def nrd0_python(x):

    X = min(np.std(x), np.percentile(x,25))

    top = 0.9*X
    bottom = 1.34*len(x)**(-0.2)

    return top/bottom

准确地说，我得到了200以上，224.282177628584555

---

silverman的经验法则中有任何已知的python函数吗？

如果您使用的是KDE，您可以只使用scipy.stats.kaussian_KDE吗？它实现了Silverman和Scott的带宽选择规则

---

英语句子中运算符的优先级不明确

下面是一个返回您期望的值的实现：

In [201]: x = np.arange(1, 401)

In [202]: 0.9*min(np.std(x, ddof=1), (np.percentile(x, 75) - np.percentile(x, 25))/1.349)*len(x)**(-0.2)
Out[202]: 31.393668650034652

---

我没有西尔弗曼的推荐信。我在p。21.

您没有正确的IQR计算：

import numpy

def bw_nrd0(x):

    if len(x) < 2:
        raise(Exception("need at least 2 data points"))

    hi = numpy.std(x, ddof=1)
    q75, q25 = numpy.percentile(x, [75 ,25])
    iqr = q75 - q25
    lo = min(hi, iqr/1.34)

    if not ((lo == hi) or (lo == abs(x[0])) or (lo == 1)):
        lo = 1

    return 0.9 * lo *len(x)**-0.2

与R代码一样，您可以将其缩短为：

lo = lo or hi or abs(x[0]) or 1

---

包括这些检查以及向量长度检查非常重要。

这是针对Nadaraya Watson平滑器的。我的理解是gaussian_kde返回随机变量的PDF。np。百分位数，25与四分位数范围不一样。啊，是的，我太傻了。谢谢，我很确定我对if从句的翻译是错误的，看。我看到你参与了那个问题。如何在Python中实现逻辑OR？我想我可以做一系列的if/elif。有没有一种更经济的方式类似R？很好。但是，要匹配R，对numpy.std的调用必须使用ddof=1:hi=numpy.stdx，ddof=1

if not lo:
    if hi:
        lo = hi
    elif abs(x[0]):
        lo = abs(x[0])
    else:
        lo = 1

lo = lo or hi or abs(x[0]) or 1