均衡散乱三维分布的高度（Python）
我正在使用包含稀疏数据的3D numpy阵列，这些稀疏数据由形状大致为高斯分布（表示3D空间中的粒子光强度）的随机位置中的孤立分布组成，但宽度和强度有所不同。我想知道我应该使用什么方法或过滤器来基本上“规范化”这些数据——也就是说，尝试大致均衡这些分布的强度/振幅，同时在很大程度上保留其宽度，这样，这些孤立的分布最终具有大致相同的特征。怎么样？我相信这主要适用于规范化完整的数据集，而不是其中的分布？我想在非零数据中写一些东西是可行的，但我想知道是否有一个更优雅的解决方案，它也能更有效地处理更紧密的高斯分布均衡散乱三维分布的高度（Python）,python,numpy,gaussian,Python,Numpy,Gaussian,我正在使用包含稀疏数据的3D numpy阵列，这些稀疏数据由形状大致为高斯分布（表示3D空间中的粒子光强度）的随机位置中的孤立分布组成，但宽度和强度有所不同。我想知道我应该使用什么方法或过滤器来基本上“规范化”这些数据——也就是说，尝试大致均衡这些分布的强度/振幅，同时在很大程度上保留其宽度，这样，这些孤立的分布最终具有大致相同的特征。怎么样？我相信这主要适用于规范化完整的数据集，而不是其中的分布？我想在非零数据中写一些东西是可行的，但我想知道是否有一个更优雅的解决方案，它也能更有效地处理更紧密