如何让seaborn.kdeplot对负值/零值具备鲁棒性？

我有两个存储在原生Python列表中的浮点型变量：

x = [2.232, 2.331, 2.112...]
y = [-3.431, 2.213, -1.232...]

注意其中存在负值，调用kde时出现以下错误：

ZeroDivisionError: 0.0 cannot be raised to a negative power.

由于场景对绘图精度要求不高，我尝试给x和y的所有元素临时添加一个小值：

x = []
for i in range(len(raw_data)):
    x.append(float(raw_data[i][1])+.000000001)

但错误仍然存在，甚至尝试添加更大的值（0.1）也没用。

核心问题 #

有没有更可靠的方法确保kde调用对非零值具备鲁棒性？手动调整数据无效说明可能还有其他问题。

调用代码 #

seaborn.kdeplot(x,y)

错误详情 #

~\Anaconda3\lib\site-packages\statsmodels\nonparametric\bandwidths.py in bw_scott(x, kernel)
     53     A = _select_sigma(x)
     54     n = len(x)
---> 55     return 1.059 * A * n ** (-0.2)
     56 
     57 def bw_silverman(x, kernel=None):

从错误栈来看，问题出在statsmodels的带宽计算函数bw_scott里，n ** (-0.2)报错，说明要么数据长度为0，要么数据的离散程度估计量为0，具体解决方法如下：

• 检查数据有效性
  先确认x和y的长度是否一致且不为空，打印len(x)和len(y)即可。如果其中一个列表为空，或者两者长度不匹配，直接修正数据来源。

• 排查数据方差
  如果某一列数据所有值完全相同（比如所有x值都是同一个数），会导致_select_sigma(x)返回0，触发计算错误。可以用以下代码检查方差：

  import numpy as np
  print(np.var(x), np.var(y))
  

  若方差为0，给该列添加极小的随机噪声（比固定加值更可靠）：

  x = np.array(x) + np.random.normal(0, 1e-8, size=len(x))
  y = np.array(y) + np.random.normal(0, 1e-8, size=len(y))
  

• 手动指定带宽
  绕开自动带宽计算逻辑，直接给kdeplot指定带宽参数：

  import seaborn as sns
  # 通过bw_adjust调整平滑程度，数值越大越平滑
  sns.kdeplot(x=x, y=y, bw_adjust=0.5)
  # 或者直接指定固定带宽值
  sns.kdeplot(x=x, y=y, bw_method=0.3)
  

• 数据平移（可选）
  若担心负值影响（实际KDE本身支持负值），可以对数据进行平移，确保所有值为正且分布趋势不变：

  min_x = min(x)
  min_y = min(y)
  x_shifted = [val - min_x + 1e-6 for val in x]
  y_shifted = [val - min_y + 1e-6 for val in y]
  sns.kdeplot(x_shifted, y_shifted)
  

内容的提问来源于stack exchange，提问作者Arash Howaida