[PYTHON] Schreiben Sie eine Kerneldichtefunktion

1 Was Sie tun möchten

Generieren Sie mit Jupyter eine Kerneldichtefunktion und visualisieren Sie diese. Klicken Sie hier, um eine Beschreibung der Kerneldichtefunktion zu erhalten [https://www.ie-kau.net/entry/kernel_density_est].

2 Code

Die Form der Kerneldichtefunktion scheint sich zwischen der Verwendung der Funktion gaussian_kde und der Verwendung der Funktion seabon kdeplot geringfügig zu unterscheiden.

/home/sampletest/sample.py

from numpy.random import randn
import seaborn as sns
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
sns.set_style("whitegrid")
from scipy.integrate import cumtrapz #Bibliothek zur Integration von PDF in alle Abschnitte



#Geben Sie einen Datensatz an und generieren Sie eine Kerneldichtefunktion. Es berechnet auch die kumulative Häufigkeit der Kerneldichtefunktion und
#Kumulativer Wert gesunken,Gibt den X-Wert zurück, der aktiv ist.

def pdf_kernel(dataset,down,up):

    d_max=np.max(dataset)+0.2
    d_min=np.min(dataset)-0.2

    d_kernel = gaussian_kde(dataset) #Generieren Sie eine Kernel-Dichteschätzungsfunktion. Die Bandbreite wird automatisch berechnet.

    #Geben Sie den zu integrierenden Bereich an: d_min bis d_Integrieren Sie in den Bereich von max.
    d_xs = np.linspace(d_min, d_max, num=1000)

    #Eingabe der Kerneldichtefunktion(d_xs)Und Ausgabe(d_ys)Ist definiert.
    d_ys = d_kernel(d_xs)

    #Kumulative Verteilungsfunktion d_Integrieren Sie in den Bereich von xs.
    d_integral = cumtrapz(d_ys, d_xs)

    #cdf(x) = 0.Finde x das ist 03. d_0 im integralen Array.Die Zahl, die 03 am nächsten kommt, wird im Array berechnet.
    idx_d= np.searchsorted(d_integral, down)

    #cdf(x) = 0.Finden Sie x, das 9 ist. d_0 im integralen Array.Die Zahl, die 9 am nächsten kommt, wird als Zahl im Array berechnet.
    idx_u = np.searchsorted(d_integral, up)


    #Das Diagramm wird angezeigt.
    ax=plt.plot(d_xs, d_ys, label="KDE")
    plt.xlim(d_min-1, d_max+1) 

    #Kumulativer Wert 5%Bereich anzeigen von
    plt.fill_between(d_xs[:idx_d], 0, d_ys[:idx_d], facecolor="r", alpha=0.5)


    #Kumulativer Wert 90%Bereich anzeigen von
    plt.fill_between(d_xs[idx_u:], 0, d_ys[idx_u:], facecolor="r", alpha=0.5)

    #Die Legende wird oben rechts angezeigt
    plt.legend(loc="upper right")

    pdf_val={"down":d_xs[idx_d],"up":d_xs[idx_u]}
    return pdf_val



#Das Hauptprogramm startet von folgendem
dataset = randn(50) #Generieren Sie 50 Zufallszahlen, die einer gleichmäßigen Verteilung folgen
down=0.05 
up=0.9


#Geben Sie einen Datensatz an und generieren Sie eine Kerneldichtefunktion. Es berechnet auch die kumulative Häufigkeit der Kerneldichtefunktion und
#Kumulativer Wert gesunken,Gibt den X-Wert zurück, der aktiv ist.
val=pdf_kernel(dataset,down,up) 

#Schreiben Sie eine Kerneldichtefunktion mit seaborn.
sns.kdeplot(dataset,label="from seaborn")

Ausführungsergebnis </ b> #Der Bereich des kumulativen Werts 0 bis unten (5% im abgebildeten Beispiel) und der Bereich des kumulativen Werts oben (90% im dargestellten Beispiel) bis 100% werden angezeigt.