python二维数据分布_如何使三维数据列表适合二维正态分布函数（最好是在Python中）...

我正在寻找任何脚本(最好是Python)来计算三维数据序列的二维正态分布函数。如果一个不存在，我将感谢任何代码，或伪代码，有人可以提供。在

输入将是一个三元组的列表，如下所示[[x1, y1, z1], [x2, y2, z2], [x3, y3, z3],..., [xn, yn, zn]]

我需要的是最接近数据的二维正态分布的平均值和标准差/方差，以便能够对其进行操作，然后重新创建它。在

示例

为了简单起见，我将使用一维正规函数。如果我有以下二维数据点

^{pr2}$

我希望脚本能输出mean = 0.0

standard deviation = 1.0

variance = 1.0

这样，例如，如果我想将标准差从sd = 1.0更改为sd = 2.0，我可以修改曲线，重新创建它，对点-4...4进行采样，然后像这样将值重写为数据。在[

[-4, 0.027 ],

[-3, 0.0648],

[-2, 0.121 ],

[-1, 0.176 ],

[0 , 0.1995],

[1 , 0.176 ],

[2 , 0.121 ],

[3 , 0.0648],

[4 , 0.027 ]

]

现在我的问题是：我如何用一个三维点的列表来做，这些点紧密地代表一个二维正态分布？在

我更喜欢用Python来实现，或者调用shell脚本。然而，我并不反对使用类似MatLab或Maple的程序。在

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！