有没有一种方法可以在知道不完全的潜在密度函数时制作平滑的核密度图？

Question

首先，让我描述一下我的问题

我有按年龄组分列的就学率pdf数据。但是，3-5岁的儿童被捆绑在源代码中。我将3-5岁年龄组除以3，得到每年的平均百分比。然而，我现在想估计概率密度函数的平滑形状

从视觉上看，它是这样的：

现在，考虑到分布的其余部分，有理由认为5岁的孩子比3岁的孩子多。为了估计这种平滑分布，我计划使用seaborn和matplotlib以更高的带宽进行内核密度估计

这些都需要一维数据数组，而我的数据是二维的：

age = [2,3,4,5,6,7,8,9,10,11,12,13,14,15]
density = [5.6, 9.8, 9.8, 9.8, 13.6, 12.1, 9.6, 7.6, 6.4, 5.4, 4.6, 2.8, 1.4, 1]

那么，有没有一种方法可以（a）使用二维数据进行kde，或者（b）将二维数据转换为一维密度数据

Answer 1

对于1D kde，您可以执行以下操作：

pd.Series(density).plot.kde(ind=age)

其中：