Python 绘制多变量正态分布形状

我有一组3D数据点，当绘制时形成一种多元高斯形状，如图所示

然而，我需要一个漂亮平滑的等高线图，理想情况下，它可以包含先前的高斯形状信息

我不完全确定从哪里开始，因为我的点不遵循正态分布，它们只有高斯形状，因此我无法应用高斯混合模型来确定分布。对吗

有办法做到这一点吗？

理想情况下，我希望得到一个与此类似的图：

绘制等高线的代码：

import matplotlib.pyplot as plt
import numpy as np

from matplotlib import cm
from scipy.interpolate import griddata


fig = plt.figure()
ax = fig.add_subplot(212)
ax.set_title("NN-interpolated contour")

# Prep X-Y grid
xi = np.linspace(x.min(), x.max(), (len(z)))
yi = np.linspace(y.min(), y.max(), (len(z)))

# Interpolate using nearest neighbour
zi = griddata((x, y), z, (xi[None, :], yi[:, None]), method='nearest')
xig, yig = np.meshgrid(xi, yi)

# Plot
surf = ax.contourf(xig, yig, zi, cmap=cm.summer)
fig.colorbar(surf)
plt.show()

编辑：

这是三次插值的绘图：

---

根据我从中看到的，您可能希望使用

cubic

方法调用

griddata

什么是

x

，

y

和

z

？代码看起来是正确的。所以，只要你不提供问题的答案，就无法提供帮助。@Adonis我用立方体图编辑了这篇文章（如果“最近的”不起作用，为什么“立方体”突然起作用？），也就是说，请看我的第一条评论。@ImportanceOfBeingErnest x，y，z是传感器生成的点。（x，y）是地面上的位置，z是在该位置产生的声音的振幅。因此，您可以看到有很多噪音，因为由于产生声音的传感器的死区时间，声音并不总是被记录下来。