生成服从二元标准正态分布的二维数据 (二维数据),通过散点图画出二维数据。
时间: 2024-05-08 14:17:30 浏览: 18
以下是Python代码实现:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成服从二元标准正态分布的二维数据
mean = [0, 0]
cov = [[1, 0], [0, 1]]
data = np.random.multivariate_normal(mean, cov, 1000)
# 通过散点图画出二维数据
x = data[:, 0]
y = data[:, 1]
plt.scatter(x, y)
plt.show()
```
运行代码后,会生成一张散点图,展示了二维数据的分布情况。该二维数据服从标准正态分布,即均值为0,方差为1。
相关问题
• 生成服从二元标准正态分布的二维数据 (二维数据),通过散点图画出二维数据。
好的,我可以回答这个问题。要生成服从二元标准正态分布的二维数据,可以使用NumPy库的random模块中的multivariate_normal()函数。以下是代码示例:
```python
import numpy as np
import matplotlib.pyplot as plt
mean = [0, 0]
cov = [[1, 0], [0, 1]]
data = np.random.multivariate_normal(mean, cov, 1000)
plt.scatter(data[:, 0], data[:, 1])
plt.show()
```
这段代码会生成1000个服从二元标准正态分布的二维数据,并通过散点图展示出来。希望能帮到你!
numpy高斯分布生成圆形散点二维数据
可以使用numpy中的random模块生成高斯分布的随机数,然后将这些随机数作为二维平面上的点的坐标,就可以生成圆形散点二维数据。具体实现可以参考以下代码:
import numpy as np
# 生成高斯分布的随机数
mean = [, ]
cov = [[1, ], [, 1]]
x, y = np.random.multivariate_normal(mean, cov, 100).T
# 将随机数作为二维平面上的点的坐标
data = np.vstack((x, y)).T
# 绘制散点图
import matplotlib.pyplot as plt
plt.scatter(data[:, ], data[:, 1])
plt.show()
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)