python - Numpy 和 Matplotlib 中的双变量高斯密度函数

Question

如何使用给定的均值和协方差矩阵在 Numpy 和 Matplotlib 中绘制双变量高斯密度函数？它可以是曲面图或等高线图。我想要一个使用不涉及单个 Sigma 的均值向量和协方差矩阵的通用解决方案。

mean, cov, n_samples = np.array([0.,0.]), np.array([[1.0,0.5],[0.5,1.0]]), 100

谢谢，

@Aso.敏捷

Answer 1

这是我的尝试：

import umpy as np
import matplotlib.pyplot as plt 
mean, cov, n_samples = np.array([0.,0.]), np.array([[1.0,0.5],[0.5,1.0]]), 100
data=np.random.multivariate_normal(mean,cov,size=n_samples)
pdf = np.zeros(data.shape[0])
cons = 1./((2*np.pi)**(data.shape[1]/2.)*np.linalg.det(cov)**(-0.5))
X, Y = np.meshgrid(data.T[0], data.T[1])
def pdf(point):
  return cons*np.exp(-np.dot(np.dot((point-mean),np.linalg.inv(cov)),(point-mean).T)/2.)
zs = np.array([pdf(np.array(ponit)) for ponit in zip(np.ravel(X), np.ravel(Y))])
Z = zs.reshape(X.shape)
fig = plt.figure()
ax3D = fig.add_subplot(111, projection='3d')
surf = ax3D.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,linewidth=0, antialiased=Fals)
surf.show()

3D 曲面图显示了结果，但有点奇怪！任何评论或其他解决方案表示赞赏。

我期望（和想要）的是类似于以下内容：