Python 如何绘制正态分布的三维图
我试图在这个图中画出类似的东西，但没有成功 这可能是正态分布的3d图。有谁能帮我搞到这样的阴谋吗？ 这是我正在尝试的代码Python 如何绘制正态分布的三维图,python,matplotlib,data-visualization,Python,Matplotlib,Data Visualization,我试图在这个图中画出类似的东西，但没有成功 这可能是正态分布的3d图。有谁能帮我搞到这样的阴谋吗？ 这是我正在尝试的代码 fig=plt.figure(figsize=(10,6)) ax=plt.axes(projection='3d') x=np.arange(0,251,0.85) y=np.arange(0,12,0.85) X,Y=np.meshgrid(x,y) for i in range(X.shape[0]): pos=np.empty(X.shape) R=
fig=plt.figure(figsize=(10,6))
ax=plt.axes(projection='3d')
x=np.arange(0,251,0.85)
y=np.arange(0,12,0.85)
X,Y=np.meshgrid(x,y)
for i in range(X.shape[0]):
pos=np.empty(X.shape)
R=(pos-0.85)/0.029
Z=(1/0.29*np.sqrt(2*np.pi))*np.exp(-.5*R**2) #normal distribution
ax.plot_surface(X,Y,Z)
下面是一个创建一个看起来有点相似的情节的想法。从300个随机中心开始，以非常小的带宽计算a。该函数将高斯钟形放置在每个随机中心上，并对其求和 以下代码有点慢，因为曲面是在200x200个位置上计算和绘制的。为了缩小z轴，从中借用代码
导入matplotlib.pyplot作为plt
从scipy.stats导入高斯_kde
将numpy作为np导入
x=np.linspace（0251200）
y=np.linspace（0，12，200）
中心x=np.随机.均匀（x[0]，x[-1]，300）
中心y=np.随机.均匀（y[0]，y[-1]，300）
centers=np.vstack（[centers\ux，centers\uy]）
内核=gaussian_kde（中心，bw_方法=0.09）
十、 Y=np.meshgrid（X，Y）
位置=np.vstack（[X.ravel（），Y.ravel（）]））
Z=np.重塑（内核（位置）.T，X.形状）
图=plt.图（图尺寸=（10,6））
ax=plt.轴（投影='3d'）
surf=最大绘图曲面（X，Y，Z，cmap=“热”，线宽=0，计数=200，计数=200）
ax.get_proj=lambda:np.dot（Axes3D.get_proj（ax），np.diag（[1,1,0.1,1]））
ax.set_zticks（[]）的值
plt.show（）
为什么你认为它是正态分布，而标签上的表示是均匀分布？一个带宽极低的kde图呢？如果我理解正确，你只是想要一个情节，但甚至没有数据。数据是我已经给出了长方形和宽度的矩形。正如你可以看到的情节，我将得到平均和STD数据的偏差，我需要阴谋像上述数字。你可以假设任何百分比的网格被占用的绘图。你可以考虑正常。分布也。。因为我有正态分布和均匀分布。你可以假设绘图的平均值和标准偏差的任意值。嗯，图像看起来像是某个矩形内随机均匀分布的kde绘图。它看起来真的不像一个均匀分布。矩形的坐标只是一些条件，这些不是真正的“数据”，谢谢。我想看到z标签，但这些值非常接近，几乎无法读取。如何克服这个问题？一种方法是删除
set\u zticks（[]）ax.zaxis.set\u major\u定位器（matplotlib.tickerMaxNLocator（2））ax.get_proj=lambda:…ax.set_zlim（Z.max（）*4）