将某城市的布局用一个 101×101 的矩阵进行网格化表示（每个网格单位长度为 1 千米）。与城市布局网格对应的具体污染物数值由所附 Excel 文件 C01.xlsx 给出（数值表示多少个浓度单位）。一共有3个污染源。用高斯函数写出python代码来确定3个污染源。

以下是使用高斯函数确定三个污染源位置坐标的 Python 代码：

import numpy as np
import pandas as pd
from scipy.optimize import curve_fit

# 读取Excel数据
data = pd.read_excel('C01.xlsx', header=None)

# 定义高斯函数
def gauss(x, y, a, x0, y0, sigma):
    return a * np.exp(-((x - x0)**2 + (y - y0)**2) / (2 * sigma**2))

# 初始化变量
x = np.arange(0, 101)
y = np.arange(0, 101)
X, Y = np.meshgrid(x, y)
Z = np.array(data)

# 拟合高斯函数
popt_list = []
for i in range(3):
    p0 = [np.max(Z), np.argmax(Z) % 101, np.argmax(Z) // 101, 10]
    popt, pcov = curve_fit(gauss, (X, Y), Z.ravel(), p0)
    popt_list.append(popt)

# 输出污染源位置坐标
for i, popt in enumerate(popt_list):
    print('第{}个污染源位置坐标为：({:.2f}, {:.2f})'.format(i+1, popt[1], popt[2]))

这段代码与之前的代码类似，只不过我们在定义高斯函数时增加了两个参数 x 和 y，用于表示高斯函数在二维坐标系上的位置。接着，我们使用循环语句拟合出了三个污染源的位置坐标，将其存储在一个列表 popt_list 中，并输出了三个污染源的位置坐标。需要注意的是，在拟合高斯函数时，我们需要提供一个初始参数值 p0，其中第一个参数值为矩阵 Z 中的最大值，第二个参数值和第三个参数值分别为最大值所在的行和列，第四个参数值为高斯函数的标准差。