import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import multivariate_normal
# 定义均值和协方差矩阵
mean = np.array([0, 0])
covariance = np.array([[1, 0.5], [0.5, 1]])
# 创建一个网格
x, y = np.meshgrid(np.linspace(-3, 3, 500), np.linspace(-3, 3, 500))
pos = np.dstack((x, y))
# 计算二维正态分布的概率密度值
pdf_values = multivariate_normal.pdf(pos, mean=mean, cov=covariance)
# 绘制概率密度图像
plt.figure(figsize=(8, 8))
plt.contourf(x, y, pdf_values, cmap='viridis')
plt.colorbar()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('2D Gaussian Probability Density')
plt.show()
# 定义均值和协方差矩阵
mean = np.array([0, 0])
covariance = np.array([[1, 0.5], [0.5, 1]])
# 创建一个网格
x, y = np.meshgrid(np.linspace(-3, 3, 500), np.linspace(-3, 3, 500))
pos = np.dstack((x, y))
# 计算二维正态分布的概率密度值
pdf_values = multivariate_normal.pdf(pos, mean=mean, cov=covariance)
# 绘制三维概率密度图像
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, pdf_values, cmap='viridis')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('PDF Value')
ax.set_title('3D Gaussian Probability Density')
plt.show()
文章来源地址https://www.toymoban.com/news/detail-756948.html
文章来源：https://www.toymoban.com/news/detail-756948.html
到了这里，关于python绘制二维正态分布概率密度图（2d,3d）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
