Question

我正在尝试根据我拥有的某些数据创建一个分布，然后从该分布中随机绘制。这就是我所拥有的：

from scipy import stats
import numpy

def getDistribution(data):
    kernel = stats.gaussian_kde(data)
    class rv(stats.rv_continuous):
        def _cdf(self, x):
            return kernel.integrate_box_1d(-numpy.Inf, x)
    return rv()

if __name__ == "__main__":
    # pretend this is real data
    data = numpy.concatenate((numpy.random.normal(2,5,100), numpy.random.normal(25,5,100)))
    d = getDistribution(data)

    print d.rvs(size=100) # this usually fails

我认为这是我想要的，但是当我尝试d.rvs()时，我经常会遇到错误（见下文），d.rvs(100)永远不会有效。难道我做错了什么？有更简单或更好的方法吗？如果它是scipy中的一个错误，有没有办法解决它？

最后，是否有更多关于在某处创建自定义发行版的文档？我发现的最好的是scipy.stats.rv_continuous文档，它非常简洁，不包含任何有用的示例。

追溯：

Traceback（最近一次调用最后一次）：文件“testDistributions.py”，行 19，在 print d.rvs（size = 100）File“/usr/local/lib/python2.6/dist-packages/scipy-0.10.0-py2.6-linux-x86_64.egg/scipy/stats/distributions.py” ，第696行，在rvs vals = self._rvs（* args）文件“/usr/local/lib/python2.6/dist-packages/scipy-0.10.0-py2.6-linux-x86_64.egg/scipy/stats/distributions.py” ，第1193行，在_rvs中 Y = self._ppf（U，* args）文件“/usr/local/lib/python2.6/dist-packages/scipy-0.10.0-py2.6-linux-x86_64.egg/scipy/stats/distributions。 PY”，第1212行，在_ppf中 return self.vecfunc（q，* args）File“/usr/local/lib/python2.6/dist-packages/numpy-1.6.1-py2.6-linux-x86_64.egg/numpy/lib/function_base.py ” 第1862行，致电 theout = self.thefunc（* newargs）文件“/usr/local/lib/python2.6/dist-packages/scipy-0.10.0-py2.6-linux-x86_64.egg/scipy/stats/distributions.py” ，第1158行，在_ppf_single_call中 return optimize.brentq（self._ppf_to_solve，self.xa，self.xb，args =（q，）+ args，xtol = self.xtol）File “/usr/local/lib/python2.6/dist-packages/scipy-0.10.0-py2.6-linux-x86_64.egg/scipy/optimize/zeros.py” 第366行，在布伦特克 r = _zeros._brentq（f，a，b，xtol，maxiter，args，full_output，disp）ValueError：f（a）和f（b）必须有不同的符号

修改

对于那些好奇的人，按照下面答案中的建议，这里的代码有效：

from scipy import stats
import numpy

def getDistribution(data):
    kernel = stats.gaussian_kde(data)
    class rv(stats.rv_continuous):
        def _rvs(self, *x, **y):
            # don't ask me why it's using self._size 
            # nor why I have to cast to int
            return kernel.resample(int(self._size)) 
        def _cdf(self, x):
            return kernel.integrate_box_1d(-numpy.Inf, x)
        def _pdf(self, x):
            return kernel.evaluate(x)
    return rv(name='kdedist', xa=-200, xb=200)

Answer 1

特别针对您的追溯：

rvs使用cdf的倒数ppf来创建随机数。由于您未指定ppf，因此它由根寻找算法brentq计算。 brentq使用下限和上限来搜索值，其中函数为零（找到x使得cdf（x）= q，q是分位数）。

限制的默认值xa和xb在您的示例中太小。在创建函数实例时，可以设置以下适用于我的scipy 0.9.0，xa，xb

def getDistribution(data):
    kernel = stats.gaussian_kde(data)
    class rv(stats.rv_continuous):
        def _cdf(self, x):
            return kernel.integrate_box_1d(-numpy.Inf, x)
    return rv(name='kdedist', xa=-200, xb=200)

目前有一个针对scipy的拉取请求来改进这一点，因此在下一个版本xa和xb将自动展开以避免f(a) and f(b) must have different signs例外。

没有太多关于此的文档，最简单的是遵循一些示例（并在邮件列表中询问）。

编辑：添加

pdf ：由于你也有gaussian_kde给出的密度函数，我会添加_pdf方法，这将使一些计算更有效。

edit2：添加

rvs ：如果您对生成随机数感兴趣，那么gaussian_kde有一个重采样方法。可以通过从数据中采样并添加高斯噪声来生成随机样本。因此，这将比使用ppf方法的通用rv更快。我会编写一个只调用gaussian_kde的重采样方法的._rvs方法。

预计算ppf ：我不知道预先计算ppf的任何一般方法。然而，我想这样做的方式（但迄今为止从未尝试过）是在许多点预先计算ppf然后使用线性插值来近似ppf函数。

edit3：关于_rvs在评论中回答Srivatsan的问题

_rvs是公共方法rvs调用的特定于分发的方法。 rvs是一种通用方法，它执行一些参数检查，添加位置和比例，并设置属性self._size，该属性是所请求的随机变量数组的大小，然后调用特定于分发的方法{{ 1}}或它是通用对应物。 ._rvs中的额外参数是形状参数，但由于在这种情况下没有参数，._rvs和*x是冗余且未使用的。

我不知道**y方法的size或形状在多变量情况下的效果如何。这些发行版是针对单变量分布而设计的，可能不适用于多变量情况，或者可能需要进行一些重构。

在scipy中创建新的发行版

1 个答案: