我正在尝试使用scipy将自定义分布拟合到大型（~O（500,000）测量）数据集。我基于其他一些因素得出了理论PDF，但是无论是手工还是使用符号集成软件，我都找不到CDF的确切形式。
目前，简单地从我的自定义分发中评估1000个随机样本是昂贵的，我认为这是由于需要反转未知的CDF。如果我找不到CDF的明确形式而且它是相反的，那么我还能做些什么来加速这种发行的使用吗？
我已经使用了maple，matlab和Sympy来尝试确定CDF，但没有一个给出结果。我还尝试对数据进行下采样，同时仍然保留尾部属性，但这仍然需要大量数据，因此对分发执行任何操作都很慢。
我的发行版是SciPy的rv_continuous类的子类。
谢谢你的建议。
这听起来像你想要从概率分布的Kernel Density Estimation中抽样。虽然Scipy确实提供了高斯内核包，但对于许多测量，使用sklearn's implementation会更好。有关代码示例的优秀资源可以在Jake VanderPlas的blog上找到。