HRV Frequency metrics different from Kubios output

[alkaest2002]

Describe the bug
I am trying to compare neurokit2 HRV frequency analysis with Kubios Frequency Domain output.

How To Reproduce

1. These are my RR-intervals taken from Kubios output (~6 min. of recordings)

rri_values = [ 863.,  857.,  855.,  882.,  918., 1000.,  978.,  933.,  877.,
        850.,  838.,  836.,  830.,  850.,  842.,  841.,  866.,  939.,
        950.,  925.,  882.,  872.,  878.,  890.,  885.,  903.,  898.,
        912.,  948.,  881.,  804.,  798.,  810.,  968., 1017.,  973.,
        936.,  910.,  903.,  916.,  910.,  910.,  911.,  916.,  899.,
        870.,  853.,  869.,  942., 1022.,  937.,  941.,  911.,  920.,
        894.,  930.,  938.,  934.,  925.,  879.,  840.,  822.,  786.,
        809.,  833.,  910.,  984.,  999.,  998.,  913.,  857.,  831.,
        850.,  937., 1018., 1010.,  986.,  979.,  951.,  934.,  933.,
        925.,  923.,  928.,  930.,  943.,  915.,  905.,  914.,  929.,
        951.,  950.,  980.,  988.,  964.,  948.,  945.,  934.,  925.,
        923.,  897.,  857.,  869.,  897.,  927.,  968.,  988.,  955.,
        944.,  925.,  914.,  911.,  888.,  854.,  860.,  878.,  921.,
        967., 1010., 1019.,  988.,  947.,  911.,  886.,  873.,  869.,
        882.,  897.,  911.,  940.,  974., 1009., 1013., 1031., 1025.,
       1025., 1029.,  995.,  971.,  947.,  938.,  939.,  939.,  925.,
        893.,  893.,  903.,  915.,  947.,  980.,  967.,  945.,  928.,
        917.,  908.,  899.,  895.,  848.,  864.,  917.,  980., 1042.,
       1034., 1004.,  990.,  975.,  955.,  931.,  852.,  827.,  782.,
        946.,  933.,  978.,  980.,  972.,  966.,  945.,  928.,  912.,
        906.,  869.,  859.,  879.,  923.,  956.,  982., 1013.,  983.,
        956.,  923.,  903.,  916.,  909.,  917.,  916.,  912.,  920.,
        935.,  884.,  875.,  892.,  912.,  943.,  973., 1007.,  974.,
        935.,  918.,  900.,  884.,  875.,  840.,  857.,  881.,  921.,
        951.,  976., 1002., 1016.,  977.,  949.,  926.,  908.,  895.,
        900.,  896.,  873.,  855.,  867.,  896.,  923.,  946.,  971.,
        946.,  925.,  916.,  908.,  892.,  879.,  867.,  851.,  861.,
        896.,  923.,  941.,  968., 1005.,  983.,  959.,  940.,  926.,
        914.,  904.,  859.,  853.,  862.,  876.,  903.,  921.,  942.,
        970.,  946.,  915.,  897.,  890.,  878.,  875.,  873.,  878.,
        876.,  882.,  883.,  854.,  859.,  876.,  891.,  912.,  922.,
        934.,  957.,  942.,  922.,  909.,  891.,  880.,  874.,  872.,
        880.,  896.,  895.,  904.,  884.,  884.,  895.,  902.,  929.,
        939.,  923.,  923.,  913.,  907.,  907.,  898.,  898.,  866.,
        863.,  885.,  914.,  936.,  968.,  954.,  938.,  917.,  909.,
        903.,  897.,  904.,  908.,  893.,  900.,  918.,  930.,  942.,
        943.,  921.,  908., 1005.,  971.,  935.,  917.,  911.,  904.,
        896.,  884.,  850.,  837.,  844.,  870.,  901.,  910.,  923.,
        930.,  907.,  883.,  874.,  868.,  863.,  879.,  881.,  893.,
        849.,  853.,  875.,  904.,  913.,  928.,  938.,  916.,  887.,
        880.,  860.,  850.,  830.,  813.,  787.,  803.,  862.,  950.,
        945.,  948.,  967.,  969.,  948.,  917.,  898.,  865.,  848.,
        842.,  815.,  822.,  873.,  900.,  926.,  928.,  962.,  983.,
        976.,  951.,  938.,  930.,  912.,  900.]

2. Frequency Analysis

# sanitize
rri, rri_time,_ = intervals_utils._intervals_sanitize(rri_values)

# interpolate
rri_interpolated, rri_time_interpolated, sampling_rate = intervals_process(
        rri, rri_time, interpolate=True, interpolation_rate=4, detrend=None
    )

# analyze
nk.hrv_frequency(
    dict(RRI=rri_interpolated, RRI_Time=rri_time_interpolated), 
    sampling_rate=130, 
    interpolation_rate=None,
    ulf=(0, 0.003), vlf=(0.003, 0.04), lf=(0.04, 0.15), hf=(0.15, 0.4), vhf=(0.4, 0.5),
    normalize=False).T.dropna()

3. Output

metric	values
HRV_VLF	163.568
HRV_LF	1453.49
HRV_HF	166.478
HRV_VHF	10.0453
HRV_TP	1793.58
HRV_LFHF	8.73083
HRV_LFn	0.810385
HRV_HFn	0.0928187
HRV_LnHF	5.11486

Expected behaviour
I would expect roughly the same values for VLF, LF and HF

Screenshots

Kubios Frequency Analysis

Kubios Settings - Input and data processing

Kubios Settings - frequency-domain

Honestly, I am not sure whether to change Window width (300) to match the recording time (in my case ~6 min., ~360).
Even changing such parameter, neurokit2 HRV frequency analysis metrics are somewhat different from Kubios output

System Specifications

- OS: Darwin (Mach-O 64bit) 
- Python: 3.13.1 
- NeuroKit2: 0.2.10 
- NumPy: 2.2.2 
- Pandas: 2.2.3 
- SciPy: 1.15.1 
- sklearn: 1.6.1 
- matplotlib: 3.10.0

And copy paste the output.

[welcome]

Hi 👋 Thanks for reaching out and opening your first issue here! We'll try to come back to you as soon as possible. ❤️

[alkaest2002]

Just to add another observation: initially, I thought the problem was related to the artifact removal performed by Kubios on the RR intervals. However, this is not the case. Even after disabling cleaning of RR intervals, the issue persists.