python生成高斯分布,python生成高斯分布随机数

　　我在尝试打造人们通常所说的自制KDE——，我想。我正试图评估一组相当大的数据点的密度。特别是对于一个有很多数据点的散乱点，我想用颜色渐变来表示密度(见下面的链接)。在

　　为了说明，我在下面提供了一对随机(x，y)数据。实际数据会以不同的比例分布，所以X和Y网格点的间距是不一样的。将numpy作为np导入时

　　从matplotlib导入pyplot作为plt

　　def homemadeKDE(x，xgrid，y，ygrid，sigmaX=1，sigmaY=1):

　　a=np.exp( -((xgrid[:None]-x)/(2*sigmaX))**2)

　　b=np.exp( -((ygrid[:None)-y)/(2 * sigmaY))* * 2)

　　xweights=np.dot(a，x.T)/np.sum(a)

　　yweights=np.dot(b，y.T)/np.sum(b)

　　返回xweights，yweights

　　x=np.random.rand(10000)

　　x.sort()

　　y=np.random.rand(10000)

　　xGrid=np.linspace(0，500，501)

　　yGrid=np.linspace(0，10，11)

　　newX，newY=homemadeKDE(x，xGrid，y，yGrid)

　　我一直坚持的是如何将这些值投影回原始的x和y向量，以便我可以使用它来绘制2D散点图(x，y)，其中密度的z值由给定的颜色图着色，如下所示：

　　^{pr2}$

　　画KDE的方法实际上是受了这个伟大答案的启发。

　　1编辑

　　为了消除一些混乱，我们的想法是做一个大眼睛的外套KDE，这将是一个更粗糙的网格。Sigy和sigy分别反映了sigy和max的方向。在

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。