python - 在scipy中创建新的发行版

我试图根据已有的数据创建一个分布，然后从该分布中随机绘制。这是我所拥有的:

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

我认为这可以达到我想要的目的，但是当我尝试执行d.rvs()时，经常出现错误(请参阅下文)，并且d.rvs(100)永远无法正常工作。难道我做错了什么？有没有更简单或更好的方法来做到这一点？如果这是scipy中的错误，是否有解决方法？

最后，是否有更多关于在某个地方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，它很简陋，没有任何有用的示例。

追溯:

编辑

对于那些好奇的人，按照下面的答案中的建议，下面的代码可以工作:

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)

最佳答案

具体到您的回溯:

rvs使用cdf的倒数ppf创建随机数。由于您未指定ppf，因此它是通过rootfinding算法brentq计算的。 brentq在函数应为零的位置上搜索上下限(查找x使得cdf(x)= q，q为分位数)。

在示例中，限制的默认值xa和xb太小。以下对我适用于scipy 0.9.0，在创建函数实例时可以设置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)

当前有一个对scipy的请求，以改善此问题，因此在下一发行版中，xa和xb将自动扩展，以避免f(a) and f(b) must have different signs异常。

关于此的文档不多，最简单的方法是遵循一些示例(并在邮件列表中询问)。

编辑:加法

pdf :由于您还具有gaussian_kde给出的密度函数，因此我将添加_pdf方法，这将使某些计算更加有效。

edit2:加法

rvs :如果您对生成随机数感兴趣，那么gaussian_kde提供了一种重采样方法。可以通过从数据中采样并添加高斯噪声来生成随机采样。因此，这将比使用ppf方法的通用rvs更快。我会编写一个._rvs方法，该方法仅调用gaussian_kde的resample方法。

预计算ppf :我不知道预计算ppf的任何常规方法。但是，我想到的方法(但到目前为止尚未尝试过)是在许多点上预先计算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是由公共(public)方法rvs调用的特定于发行版的方法。 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(即所请求的随机变量数组的大小)，然后调用特定于分布的方法._rvs或它的通用对应方法。 ._rvs中的额外参数是形状参数，但是由于在这种情况下没有参数，因此*x和**y是多余的且未使用。

我不知道size或.rvs方法的形状在多变量情况下的效果如何。这些分布是为单变量分布而设计的，可能无法完全适用于多变量情况，或者可能需要进行一些调整。

关于python - 在scipy中创建新的发行版，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/10678546/