python gaussian,gaussian2
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python gaussian,gaussian2,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含5224字,纯文字阅读大概需要8分钟。
内容图文
![python gaussian,gaussian2](/upload/InfoBanner/zyjiaocheng/649/9ed696bbc6974f1ca11c128010932468.jpg)
import numpy as np import matplotlib.pyplot as plt import mpl_toolkits.axisartist as axisartist from mpl_toolkits.mplot3d import Axes3D #画三维图不可少 from matplotlib import cm #cm 是colormap的简写 #定义坐标轴函数 def setup_axes(fig, rect): ax = axisartist.Subplot(fig, rect) fig.add_axes(ax) ax.set_ylim(-4, 4) #自定义刻度 # ax.set_yticks([-10, 0,9]) ax.set_xlim(-4,4) ax.axis[:].set_visible(False) #第2条线,即y轴,经过x=0的点 ax.axis["y"] = ax.new_floating_axis(1, 0) ax.axis["y"].set_axisline_style("-|>", size=1.5) # 第一条线,x轴,经过y=0的点 ax.axis["x"] = ax.new_floating_axis(0, 0) ax.axis["x"].set_axisline_style("-|>", size=1.5) return(ax) # 1_dimension gaussian function def gaussian(x,mu,sigma): f_x = 1/(sigma*np.sqrt(2*np.pi))*np.exp(-np.power(x-mu, 2.)/(2*np.power(sigma,2.))) return(f_x) # 2_dimension gaussian function def gaussian_2(x,y,mu_x,mu_y,sigma_x,sigma_y): f_x_y = 1/(sigma_x*sigma_y*(np.sqrt(2*np.pi))**2)*np.exp(-np.power\ (x-mu_x, 2.)/(2*np.power(sigma_x,2.))-np.power(y-mu_y, 2.)/\ (2*np.power(sigma_y,2.))) return(f_x_y) #设置画布 # fig = plt.figure(figsize=(8, 8)) #建议可以直接plt.figure()不定义大小 # ax1 = setup_axes(fig, 111) # ax1.axis["x"].set_axis_direction("bottom") # ax1.axis['y'].set_axis_direction('right') # #在已经定义好的画布上加入高斯函数 x_values = np.linspace(-5,5,2000) y_values = np.linspace(-5,5,2000) X,Y = np.meshgrid(x_values,y_values) mu_x,mu_y,sigma_x,sigma_y = 0,0,0.8,0.8 #F_x_y = gaussian_2(X,Y,mu_x,mu_y,sigma_x,sigma_y) F_x_y = gaussian(X,mu_x,sigma_x) #显示2d等高线图,画100条线 # plt.contour(X,Y,F_x_y,100) # fig.show() #显示三维图 fig = plt.figure() ax = plt.gca(projection='3d') ax.plot_surface(X,Y,F_x_y,cmap='jet') #显示3d等高线图 ax.contour3D(X,Y,F_x_y,50,cmap='jet') fig.show()
=======================二维========================
import numpy as np import matplotlib.pyplot as plt import mpl_toolkits.axisartist as axisartist from mpl_toolkits.mplot3d import Axes3D #画三维图不可少 from matplotlib import cm #cm 是colormap的简写 #定义坐标轴函数 def setup_axes(fig, rect): ax = axisartist.Subplot(fig, rect) fig.add_axes(ax) ax.set_ylim(-4, 4) #自定义刻度 # ax.set_yticks([-10, 0,9]) ax.set_xlim(-4,4) ax.axis[:].set_visible(False) #第2条线,即y轴,经过x=0的点 ax.axis["y"] = ax.new_floating_axis(1, 0) ax.axis["y"].set_axisline_style("-|>", size=1.5) # 第一条线,x轴,经过y=0的点 ax.axis["x"] = ax.new_floating_axis(0, 0) ax.axis["x"].set_axisline_style("-|>", size=1.5) return(ax) # 1_dimension gaussian function def gaussian(x,mu,sigma): f_x = 1/(sigma*np.sqrt(2*np.pi))*np.exp(-np.power(x-mu, 2.)/(2*np.power(sigma,2.))) return(f_x) # 2_dimension gaussian function def gaussian_2(x,y,mu_x,mu_y,sigma_x,sigma_y): f_x_y = 1/(sigma_x*sigma_y*(np.sqrt(2*np.pi))**2)*np.exp(-np.power\ (x-mu_x, 2.)/(2*np.power(sigma_x,2.))-np.power(y-mu_y, 2.)/\ (2*np.power(sigma_y,2.))) return(f_x_y) #设置画布 fig = plt.figure(figsize=(8, 8)) #建议可以直接plt.figure()不定义大小 ax1 = setup_axes(fig, 111) ax1.axis["x"].set_axis_direction("bottom") ax1.axis['y'].set_axis_direction('right') # #在已经定义好的画布上加入高斯函数 x_values = np.linspace(-5,5,2000) y_values = np.linspace(-5,5,2000) X,Y = np.meshgrid(x_values,y_values) mu_x,mu_y,sigma_x,sigma_y = 0,0,0.8,0.8 F_x_y = gaussian_2(X,Y,mu_x,mu_y,sigma_x,sigma_y) #F_x_y = gaussian(X,mu_x,sigma_x) #显示2d等高线图,画100条线 plt.contour(X,Y,F_x_y,100) fig.show()
圆形
矩形:
import numpy as np import matplotlib.pyplot as plt import mpl_toolkits.axisartist as axisartist from mpl_toolkits.mplot3d import Axes3D #画三维图不可少 from matplotlib import cm #cm 是colormap的简写 #定义坐标轴函数 def setup_axes(fig, rect): ax = axisartist.Subplot(fig, rect) fig.add_axes(ax) ax.set_ylim(-4, 4) #自定义刻度 # ax.set_yticks([-10, 0,9]) ax.set_xlim(-4,4) ax.axis[:].set_visible(False) #第2条线,即y轴,经过x=0的点 ax.axis["y"] = ax.new_floating_axis(1, 0) ax.axis["y"].set_axisline_style("-|>", size=1.5) # 第一条线,x轴,经过y=0的点 ax.axis["x"] = ax.new_floating_axis(0, 0) ax.axis["x"].set_axisline_style("-|>", size=1.5) return(ax) # 1_dimension gaussian function def gaussian(x,mu,sigma): f_x = 1/(sigma*np.sqrt(2*np.pi))*np.exp(-np.power(x-mu, 2.)/(2*np.power(sigma,2.))) return(f_x) # 2_dimension gaussian function def gaussian_2(x,y,mu_x,mu_y,sigma_x,sigma_y): f_x_y = 1/(sigma_x*sigma_y*(np.sqrt(2*np.pi))**2)*np.exp(-np.power\ (x-mu_x, 2.)/(2*np.power(sigma_x,2.))-np.power(y-mu_y, 2.)/\ (2*np.power(sigma_y,2.))) return(f_x_y) #设置画布 fig = plt.figure(figsize=(8, 8)) #建议可以直接plt.figure()不定义大小 ax1 = setup_axes(fig, 111) ax1.axis["x"].set_axis_direction("bottom") ax1.axis['y'].set_axis_direction('right') # #在已经定义好的画布上加入高斯函数 x_values = np.linspace(-5,5,2000) y_values = np.linspace(-5,5,2000) X,Y = np.meshgrid(x_values,y_values) mu_x,mu_y,sigma_x,sigma_y = 0,0,0.8,0.8 #F_x_y = gaussian_2(X,Y,mu_x,mu_y,sigma_x,sigma_y) F_x_y = gaussian(X,mu_x,sigma_x) #显示2d等高线图,画100条线 plt.contour(X,Y,F_x_y,100) fig.show()
球
from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np fig = plt.figure() ax = fig.add_subplot(111, projection='3d') u = np.linspace(0, 2 * np.pi, 100) v = np.linspace(0, np.pi, 100) x = 10 * np.outer(np.cos(u), np.sin(v)) y = 10 * np.outer(np.sin(u), np.sin(v)) z = 10 * np.outer(np.ones(np.size(u)), np.cos(v)) ax.plot_surface(x, y, z, rstride=4, cstride=4, color='b') plt.show()
内容总结
以上是互联网集市为您收集整理的python gaussian,gaussian2全部内容,希望文章能够帮你解决python gaussian,gaussian2所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源:【匿名】