如何解决如何在python中将内核密度估计用于截断的分布？
我有以下数据框：
import numpy as np
import pandas as pd
import scipy.stats as st
df1 = pd.DataFrame({'x':np.random.uniform(0,1,100),'y':np.random.uniform(0,100)})
我估计x和y的分布在一起：
x1 = df1['x']
y1 = df1['y']
kernel1 = st.gaussian_kde(np.vstack([x1,y1]))
如果绘制kernel1，我们将看到x和y将带有一些负值，这些负值在原始数据集中不存在。
是否可以估计截断的（到0）分布？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
