核密度分析 python代码

核密度分析（Kernel Density Estimation）是一种非参数估计方法，用于估计随机变量的概率密度函数。在Python中，可以使用SciPy库中的`gaussian_kde`函数进行核密度分析。

下面是一个简单的示例代码：

import numpy as np
from scipy.stats import gaussian_kde
import matplotlib.pyplot as plt

# 生成随机数据
data = np.random.normal(size=1000)

# 计算核密度估计
kde = gaussian_kde(data)

# 生成横坐标数据
x = np.linspace(-5, 5, 100)

# 绘制核密度曲线
plt.plot(x, kde(x))

# 显示图像
plt.show()

该代码生成了一个包含1000个正态分布随机数的数据集，并使用`gaussian_kde`函数计算了其核密度估计。然后，使用`linspace`函数生成了100个均匀分布在-5到5之间的横坐标数据，并绘制了核密度曲线。