Python statistics.kde 的bandwidth怎样影响密度曲线平滑程度

如果你发现同一组样本画出的 KDE 曲线忽高忽低，先检查 statistics.kde() 的 h，也就是 bandwidth。它是主要的平滑尺度：h 较小会保留更多局部峰值，也更容易把噪声放大；h 较大会让曲线更平滑，但可能把相邻峰合并。因此，bandwidth 不是越小越精细，也不是越大越稳定，应该在固定数据和固定横坐标下比较。

官方地址：https://docs.python.org/3/library/statistics.html

先看懂 kde 的输入与输出

Python 标准库的 statistics.kde(data, h, kernel='normal', cumulative=False) 接收样本、带宽、核函数和累计开关，返回一个可以继续传入 x 的可调用对象。文档把 h 定义为控制平滑程度的参数：较小值强调局部特征，较大值产生更平滑的结果。这个函数从 Python 3.13 开始提供，和第三方科学计算库的自动带宽选择不是一回事。

使用时不要把返回值当成一串已经算好的密度值。它更像一台固定了样本和参数的估计器：你选择不同的横坐标，再调用它得到相应的密度值。这样比较 bandwidth 时，才能保证变化来自 h，而不是来自每次观察的横坐标不同。

用同一组数据排查 h 的影响

排查曲线平滑程度时，先固定数据，再只改变 h。下面的示例不依赖绘图库，而是在相同横坐标上取值，便于把三个带宽的结果放进同一张表或交给已有绘图代码。

from statistics import kde

samples = [-2.1, -1.3, -0.4, 1.9, 5.1, 6.2]
x_values = [-1.0, 0.0, 1.0, 2.0, 3.0]

for h in (0.5, 1.5, 3.0):
    # 只改变带宽，保持样本、横坐标和核函数一致
    pdf = kde(samples, h=h, kernel="normal")
    density_values = [round(pdf(x), 4) for x in x_values]
    # 同一横坐标的密度值可以直接用于并排比较
    print(f"h={h}: {density_values}")

观察时抓住三个信号：小 h 下局部峰更明显，样本稀疏处的起伏也更敏感；适中的 h 通常更容易看出整体形状；大的 h 会削弱细节，距离较近的峰可能被看成一个更宽的峰。这里的“适中”没有通用常数，必须结合样本量、测量噪声和你要回答的问题来判断。

把 bandwidth、kernel 和 cumulative 分开

如果同时修改三个参数，曲线变了也很难知道原因。可以按下面的职责排查：

官方文档指出，核函数形状通常没有 bandwidth 那么有影响。实际比较时，可以先固定默认的 normal 核，只调 h；确定平滑尺度后，再根据输出目标决定是否使用其他核或 cumulative=True。

反向验证：哪些现象说明 h 需要调整

可以把调整动作写成一份简短检查清单：

• 曲线出现许多只由单个样本支撑的尖峰：先尝试增大 h，确认是否只是局部噪声。
• 两个业务上应区分的群体被压成一个宽峰：尝试减小 h，但要同时观察曲线是否开始过度追随噪声。
• 每次比较的横坐标范围不同：先统一 x_values，否则不能把差异归因于 bandwidth。
• 数据中包含 NaN：统计文档提醒，NaN 会在需要排序或计数的统计函数中造成意外行为；建模前应先处理缺失值。
• 输入为空：kde() 会抛出 StatisticsError，这属于输入边界问题，不是把 h 调大就能解决的。

最后记住：bandwidth 选择服务于观察目标。如果要找细小局部峰，不能只追求一条视觉上最平滑的线；如果要描述总体分布，也不能因为保留了每个尖峰就认为估计更准确。固定样本、固定横坐标、一次只改一个参数，才是最容易解释的比较方式。

相关问题

statistics.kde 的 h 就是 kernel 吗？不是。h 是平滑尺度，kernel 是样本点周围的权重形状，两者影响维度不同。

为什么大 bandwidth 会让两个峰消失？因为更大的平滑尺度会扩大每个样本对邻域的影响，距离较近的局部结构可能被合并成一个更宽的整体形状。

能不能直接照抄某个 h？不建议。不同数据的量纲、离散程度和分析目标不同，应在相同横坐标上比较几个候选值。