python多元正态pdf三维绘图

我试图显示mnist数据集中多变量正常pdf的全零数字的3d图

from scipy.stats import multivariate_normal
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

my0 = np.mean(num_arrays[0],axis=0)
sigma0 = np.identity(784)
p0 = multivariate_normal(my0,sigma0)

X, Y = np.mgrid[-10:10:.1, -10:10:.1]
pos = np.empty(X.shape + (2,))
pos[:, :, 0] = X
pos[:, :, 1] = Y
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, p0_id.pdf(pos),cmap='viridis',linewidth=0)

我收到以下错误消息：

operands could not be broadcast together with shapes (200,200,2) (784,)

我做错了什么

编辑：完整错误消息

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-70-584e158fe420> in <module>()
     13 fig = plt.figure()
     14 ax = fig.gca(projection='3d')
---> 15 ax.plot_surface(X, Y, p0.pdf(pos),cmap='viridis',linewidth=0)

~\Anaconda3\lib\site-packages\scipy\stats\_multivariate.py in pdf(self, x)
    608 
    609     def pdf(self, x):
--> 610         return np.exp(self.logpdf(x))
    611 
    612     def rvs(self, size=1, random_state=None):

~\Anaconda3\lib\site-packages\scipy\stats\_multivariate.py in logpdf(self, x)
    604         x = self._dist._process_quantiles(x, self.dim)
    605         out = self._dist._logpdf(x, self.mean, self.cov_info.U,
--> 606                                  self.cov_info.log_pdet, self.cov_info.rank)
    607         return _squeeze_output(out)
    608 

~\Anaconda3\lib\site-packages\scipy\stats\_multivariate.py in _logpdf(self, x, mean, prec_U, log_det_cov, rank)
    452 
    453         """
--> 454         dev = x - mean
    455         maha = np.sum(np.square(np.dot(dev, prec_U)), axis=-1)
    456         return -0.5 * (rank * _LOG_2PI + log_det_cov + maha)

ValueError: operands could not be broadcast together with shapes (200,200,2) (784,) 

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
13图=plt.图（）
14 ax=图gca（投影=3d'）
--->15最大绘图曲面（X，Y，p0.pdf（pos），cmap='viridis'，线宽=0）
pdf格式的~\Anaconda3\lib\site packages\scipy\stats\\u multivariable.py（self，x）
608
609 def pdf（self，x）：
-->610返回np.exp（self.logpdf（x））
611
612 def rvs（自身，尺寸=1，随机状态=无）：
logpdf中的~\Anaconda3\lib\site packages\scipy\stats\\u multivariable.py（self，x）
604 x=自我距离处理分位数（x，自我尺寸）
605 out=self.\U dist.\U logpdf（x，self.mean，self.cov\U info.U，
-->606 self.cov_info.log_pdet，self.cov_info.rank）
607返回压缩输出（输出）
608
~\Anaconda3\lib\site packages\scipy\stats\\ U multivariable.py in\ U logpdf（self，x，mean，prec\U，log\U det\U cov，rank）
452
453         """
-->454偏差=x-平均值
455 maha=np.和（np.平方（np.点（dev，prec_）），轴=-1）
456返回-0.5*（秩*\u LOG\u 2PI+LOG\u det\u cov+maha）
ValueError:操作数无法与形状（200200,2）（784，）一起广播

我正在尝试做一些相同的事情，我发现唯一对原始形状有想法的方法是计算函数的点到点结果，并使用

Axes3D.scatter（）函数绘制该点。

下面是一个如何使用python获得三维高斯形状的示例

import numpy as np
import matplotlib.pyplot as plt 
from mpl_toolkits.mplot3d import Axes3D
from scipy.stats import multivariate_normal
mean = np.array([1., 1.])
cov_matrix = np.array([[2., 0.], [0., 2.]])
fig = plt.figure()
ax = fig.gca(projection="3d")
x = np.linspace(-3., 3., 20)
y = np.linspace(-3., 3., 20)
for i in x:
    for j in y:
        ax.scatter(i, j, pdf_2d(i, j,  multivariate_normal.pdf([i, j], mean=mean_, cov=cov_matrix_))
plt.show()

由于meshgrid生成多维数组，我认为

pdf（）

函数无法对每个元素应用向量变换

---

不幸的是，在我的例子中，这是唯一能让我了解高斯形状的方法。

你好，Arjan。你能给我们这个错误的完整回溯吗？如果我们能看到它发生在哪一行，我们可能会更容易提供帮助。嘿，我编辑了原始帖子。