python拉丁超立方抽样代码

在Python中，我们可以使用`scipy.stats`模块中的`latin Hypercube`函数来进行拉丁超立方抽样（Latin Hypercube Sampling，LHS），这是一种常用的设计实验方法，用于均匀地分散随机点在多维空间中。以下是创建拉丁超立方样本的基本步骤：

from scipy.stats import uniform
import numpy as np

# 定义变量范围和维度数
variables = ['var1', 'var2', 'var3']  # 变量名称
n_samples = 100  # 抽取样本数
dim = len(variables)  # 变量数目

# 创建均匀分布对象
dist = [uniform(loc=0, scale=1) for _ in range(dim)]

# 实现拉丁超立方抽样
lhs = lhs_lhd(dist, samples=n_samples)

# 输出结果
print("Latin Hypercube Samples:")
for sample in lhs:
    print(sample)

这里，我们首先导入所需的库，然后设定变量范围和需要的样本数。`uniform(loc=0, scale=1)`定义了每个变量都在[0, 1]范围内均匀分布。`lhs_lhd`函数是拉丁超立方抽样的核心，它接受一维的分布列表和样本数作为输入。

请注意，在实际应用中，`lhs_lhd`函数不是标准的scipy库函数，可能是第三方库如`pyDOE2`、`lhsdesign`等提供的。如果找不到直接对应的功能，你需要安装相应的库并替换上述代码。