拉丁超立方抽样代码python

拉丁超立方抽样（Latin Hypercube Sampling）是一种常用的设计实验的方法。它可以使样本点均匀地分布在多维空间中，从而减少了实验的次数，提高了实验效率。

在Python中，可以使用SciPy库中的lhs函数来生成拉丁超立方抽样样本。以下是一个示例代码：

import numpy as np
from scipy.stats import uniform
from scipy.stats import norm
from scipy.stats import gamma

def generate_lhs_samples(dim, n_samples):
    """
    生成拉丁超立方抽样样本
    :param dim: 样本维度
    :param n_samples: 样本数
    :return: 拉丁超立方抽样样本
    """
    # 生成均匀分布的样本点
    samples = uniform.rvs(size=(n_samples, dim))
    
    # 对每一列进行乱序操作
    for i in range(dim):
        samples[:, i] = np.random.permutation(samples[:, i])
    
    return samples

if __name__ == '__main__':
    # 生成3维，100个样本的拉丁超立方抽样样本
    samples = generate_lhs_samples(3, 100)
    print(samples)

在这个示例代码中，我们使用了SciPy库中的uniform.rvs函数来生成0到1之间的均匀分布随机数，并对每一列进行了乱序操作，从而得到了拉丁超立方抽样样本。