使用python绘制3维正态分布图

今天使用python画了几个好玩的3D展示图，现在分享给大家。先贴上图片

使用的python工具包为：

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

在贴代码之前，有必要从整体上了解这些图是如何画出来的。可以把上面每一个3D图片理解成一个长方体。输入数据是三维的，x轴y轴和z轴。在第三个图片里面有x、y和z坐标的标识。在第三张图片中，我们可以理解为，z是随着x和y变化的函数。就像一个人在山丘地区走动一样，其中x和y表示的是方向，z表示的这个人在上坡还是下坡。第二张图片的中间那个，其实是一个3维的正态分布图。具体的公式为：

上面的是2维的，即只有x和y，如果是三维的话，需要一点变形，只需要在上面的公式基础之上把exp（）里面改变为：exp(-((x-u)^2 + (y - u)^2)/(2q^2)), 这里的u表示平均值，q表示标准差。这样变化之后，z = f(x, y)。这就是z值的公式了，表示的是z值随着x和y值的变化而变化的函数。

下面贴一下代码

这是第二张图片的代码。

from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()
ax = Axes3D(fig)
len = 8;
step = 0.4;def build_layer(z_value):x = np.arange(-len, len, step);y = np.arange(-len, len, step);z1 = np.full(x.size, z_value/2)z2 = np.full(x.size, z_value/2)z1, z2 = np.meshgrid(z1, z2)z = z1 + z2;x, y = np.meshgrid(x, y)return (x, y, z);def build_gaussian_layer(mean, standard_deviation):x = np.arange(-len, len, step);y = np.arange(-len, len, step);x, y = np.meshgrid(x, y);z = np.exp(-((y-mean)**2 + (x - mean)**2)/(2*(standard_deviation**2)))z = z/(np.sqrt(2*np.pi)*standard_deviation);return (x, y, z);# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)
x1, y1, z1 = build_layer(0.2);
ax.plot_surface(x1, y1, z1, rstride=1, cstride=1, color='green')x5, y5, z5 = build_layer(0.15);
ax.plot_surface(x5, y5, z5, rstride=1, cstride=1, color='pink')# x2, y2, z2 = build_layer(-0.26);
# ax.plot_surface(x2, y2, z2, rstride=1, cstride=1, color='yellow')
#
# x6, y6, z6 = build_layer(-0.22);
# ax.plot_surface(x6, y6, z6, rstride=1, cstride=1, color='pink')# x4, y4, z4 = build_layer(0);
# ax.plot_surface(x4, y4, z4, rstride=1, cstride=1, color='purple')x3, y3, z3 = build_gaussian_layer(0, 1)
ax.plot_surface(x3, y3, z3, rstride=1, cstride=1, cmap='rainbow')
plt.show()

这是第三张图片的代码

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3dx, y = np.mgrid[-1:1:20j, -1:1:20j]
z = x * np.exp(-x ** 2 - y ** 2)ax = plt.subplot(111, projection='3d')
ax.plot_surface(x, y, z, rstride=2, cstride=1, cmap=plt.cm.coolwarm, alpha=0.8)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')plt.show()

结束

使用python绘制3维正态分布图相关推荐

二维正态分布图python代码_Python数据可视化正态分布简单分析及实现代码
Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候... 正态分布(Normaldistribution),也称"常态分布",又名高斯分布(Gaussiandi ...
python画二维图_使用python绘制二维图形示例
我就废话不多说了,直接上代码吧! import matplotlib.pyplot as plt #也可以使用 import pylab as pl import matplotlib.font_ma ...
python绘制二维图形_使用python绘制二维图形示例
我就废话不多说了,直接上代码吧! import matplotlib.pyplot as plt #也可以使用 import pylab as pl import matplotlib.font_ma ...
Python学习教程：正态你还不会吗？这期的Python教程你肯定能学会
这段时间跟大家出的很多文章都是偏娱乐型的,很多伙伴私信说之前讲过的正态有些不懂,哈哈哈,也能理解,毕竟正态学起来不是一篇教程就能完全掌握的!为什么正态分布如此特殊?为什么大量数据科学和机器学习的文章都 ...
python绘制3维图-python——绘制二元高斯分布的三维图像，
在对数据进行可视化的过程中,可能经常需要对数据进行三维绘图,在python中进行三维绘图其实是比较简单的,下面我们将给出一个二元高斯分布的三维图像案例,并且给出相关函数的参数. 通常,我们绘制三维图像 ...
python二维转三维_平时都用Python绘制二维图，如果用来绘制三维图会有什么效果？...
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 欢迎关注小编,除了分享技术文章之外还有很多福利,私信学习资料可以领取包括不 ...
数据可视化 | Python绘制多维柱状图：一图展示西部各省人口变迁【附本文数据和代码】
查看原文:[数据seminar]https://mp.weixin.qq.com/s/pvx2ZzLbrBL-6cyOwVATOA Part1前言柱状图是利用柱子的高度来反映数据差异的统计图,与一维 ...
python 绘制两组数据的分布图
可以使用 Python 中的 Matplotlib 库来绘制两组数据的分布图.下面是一个简单的示例代码: import matplotlib.pyplot as plt# 假设有两组数据,分别是 x ...
python二维数组换行输出_关于用python绘制二维数组的问题
我有一个关于用matplotlib绘制二维数组的问题.在我的代码中,我有一个2D数组,名为len(z)=20,z的值为: [[ 642.3774486 662.59980588 706.8014217 ...
python绘制正态分布图_用python制作正态分布图
赛马正态分布图 1.制作IQ数据图 import numpy as np import pandas as pd import matplotlib.pyplot as plt #使用%matplot ...

使用python绘制3维正态分布图

使用python绘制3维正态分布图相关推荐

最新文章

热门文章