我可以在Python中获得核密度估计的一阶导数吗？

Question

我有一个二维数组的数据，我用来gaussian_kde估计数据分布。现在，我想获得所得密度估计器的一阶导数以获得零交叉。是否可以从估计密度中得到它？如果是这样，Python 中是否有任何内置函数可以提供帮助？

Answer 1

按照gaussian_kde文档中的示例，一旦您获得了ZX 轴上的密度（或更一般地说）的估计值，您就可以使用标准numpy函数计算其导数：

diff = np.gradient(Z)

请注意，np.gradient计算中心差异。如果您想要前向差异，您可以执行以下操作：

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

要找到零交叉点，您可以执行以下操作：

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

您可以将上述内容扩展到 2D，就像dy, dx = np.gradient(Z)使用Z2D 数组一样。然后在Y和X方向上进行操作。