帮我写一个三个维度抽取十个样本点的拉丁超立方抽样方法的python代码

拉丁超立方抽样（Latin Hypercube Sampling, LHS）是一种用于生成随机样本的技术，尤其适合于模拟和优化问题。以下是使用Python的`scipy`库实现一个简单的三维度（三维空间）拉丁超立方抽样方法的例子：

import numpy as np
from scipy.stats import uniform

# 定义抽样范围，假设我们有三个特征，每个特征的范围从0到1
lower_bounds = [0, 0, 0]
upper_bounds = [1, 1, 1]

# 创建一个均匀分布的对象，代表每个特征的取值
dist = uniform(lower_bounds, upper_bounds - lower_bounds)

# 设置抽取的样本数量
samples_per_dim = 10
total_samples = samples_per_dim ** 3

# 抽取样本
lhs = dist.rvs((total_samples, len(lower_bounds)))

# 转换为拉丁超立方抽样格式，将每一维的数据平铺到一个矩阵里
lhc = lhs.reshape(total_samples, samples_per_dim, 3).transpose(1, 0, 2)

print("拉丁超立方抽样结果:")
print(lhc)

这个代码首先定义了每个特征的取值范围，然后创建了一个均匀分布，从这个范围内抽取指定数量的样本。最后，通过reshape和transpose操作，得到一个按照拉丁超立方结构排列的数组。