如何在python中将内核密度估计用于截断的分布？

问题描述

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？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）