我可以在python中获得内核密度估计的一阶导数吗？

Question

我有一个2D数组数据，我用gaussian_kde来估算数据分布。现在，我希望获得所得密度估计器的一阶导数以获得零交叉。是否有可能从估计的密度中获得它？如果是这样，Python中是否有任何可以帮助的内置函数？

Answer 1

按照gaussian_kde文档中的示例，一旦有了Z，或者更一般地说，在X轴上估算密度，就可以使用标准 numpy 功能：

diff = np.gradient(Z)

请注意np.gradient计算中心差异。如果您想要提出差异，可以采取以下措施：

diff = np.r_[Z[1:] - Z[:-1], 0]

要查找过零点，您可以执行以下操作：

sdiff = np.sign(diff)
zc = np.where(sdiff[:-1] != sdiff[1:])

您可以使用dy, dx = np.gradient(Z)扩展上述2D作为Z 2D阵列。然后在Y和X方向上操作。