一个时空核密度估计的代码

以下是一个简单的时空核密度估计的Python代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# 生成随机数据
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)
t = np.random.uniform(0, 1, 1000)

# 时空核密度估计
positions = np.vstack([x, y, t])
kernel = gaussian_kde(positions)

# 构造网格
xmin, ymin, tmin = x.min(), y.min(), t.min()
xmax, ymax, tmax = x.max(), y.max(), t.max()
xgrid, ygrid, tgrid = np.mgrid[xmin:xmax:100j, ymin:ymax:100j, tmin:tmax:100j]
grid_positions = np.vstack([xgrid.ravel(), ygrid.ravel(), tgrid.ravel()])

# 计算概率密度
density = np.reshape(kernel(grid_positions).T, xgrid.shape)

# 绘制3D概率密度图
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(xgrid, ygrid, tgrid, rstride=1, cstride=1, cmap=plt.cm.coolwarm, linewidth=0, antialiased=False, alpha=0.8)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('t')
plt.show()

这个代码生成了1000个随机数据点，并使用Scipy库中的高斯核密度估计函数计算时空核密度估计。然后使用Matplotlib库中的3D绘图函数将概率密度可视化。你可以根据需要修改数据生成方式和绘图设置。