Python 中的 3D 概率密度图答案

【问题标题】：3D Probability Density Plots in PythonPython 中的 3D 概率密度图
【发布时间】：2018-09-09 18:26:34
【问题描述】：

我正在研究一个由“脉冲长度”值和对应于每个脉冲长度的 5 或 6 个“电压值”组成的数据集。第一个值是脉冲长度，然后是电压。找到下表。

15 -56V -47V -53V -50V -50V

16 -49V -46V -52V -47V -50V

17 -50V -51V -47V -50V -49V

18 -50V -51V -48V -48V -45V

19 -49V -51V -45V -47V -52V

20 -45V -47V -50V -47V -54V

21 -46V -52V -52V -49V -54V

22 -53V -51V -53V -56V -52V

23 -52V -45V -51V -56V -53V

24 -51V -52V -54V -58V -52V

25 -56V -53V -57V -55V -53V

26 -53V -52V -55V -52V

27 -54V -49V -56V -54V

28 -52V -52V -57V -56V -53V

29 -63V -60V -54V -58V -61V

30 -59V -70V -61V

我希望 X 和 Y 轴是脉冲长度和电压，我希望 Z 轴是它的概率分布。我有一个使用“电压值”集及其概率的二维图。图中，红色图表对应一个脉冲长度，绿色图表对应另一个脉冲长度。我尝试使用堆栈溢出中的多元正态分布示例（Plot normal distribution in 3D）以相同的方式绘制 3D 图。由于我对 3D 绘图的经验很少，因此我无法在同一表面上绘制具有不同 Y 轴“脉冲长度”值的多个表面绘图。我试过的代码如下。

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

 #Parameters to set
 mu_x = -48.8
 sigma_x = np.sqrt(6.5)

 mu_y = 0
 sigma_y = np.sqrt(16)

 #Create grid and multivariate normal
 x = range(-100,0)
 y = range(15,30)
 X, Y = np.meshgrid(x,y)
 Z = bivariate_normal(X,Y,sigma_x,sigma_y,mu_x,mu_y)


 #Make a 3D plot
 fig = plt.figure()
 ax = fig.gca(projection='3d')
 ax.plot_surface(X, Y, Z,cmap='Reds',linewidth=0, antialiased=True, 
 zorder = 0.5)

 ax.set_xlabel('Voltage')
 ax.set_ylabel('Pulse Length')
 ax.set_zlabel('Normal Distribution')
 plt.show()

如果有人能帮助我为多个脉冲长度做同样的事情，我将非常感激。谢谢。

【问题讨论】：

标签： python matplotlib probability-distribution

【解决方案1】：

我不知道你想要达到什么样的情节，但据我了解，你想要下图这样的东西。我只在下面放了相关/修改过的代码。也不清楚你的脉冲长度是什么变量。由于您有许多脉冲长度，您可以将定义mu_x、'mu_y'、Z 的函数放入for 循环中并绘制多个3d 表面。

# Create grid and multivariate normal
x = np.linspace(-100, 0, 200) # Create a mesh of 200 x-points
y = np.linspace(-30, 30, 200) # Create a mesh of 200 y-points

X, Y = np.meshgrid(x,y)
Z = bivariate_normal(X,Y,sigma_x,sigma_y,mu_x,mu_y)
Z2 = bivariate_normal(X,Y,sigma_x,sigma_y,mu_x-20,mu_y+10)

fig = plt.figure(figsize=(10, 8))
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z,cmap='Reds',linewidth=0, antialiased=True, zorder = 0.5)
ax.plot_surface(X, Y, Z2,cmap='Blues',linewidth=0, alpha=0.5, antialiased=True, zorder = 0.5)

输出

【讨论】：