密度直方图python

要绘制密度直方图的Python代码可以使用核密度估计（KDE）方法。可以使用scipy.stats模块中的gaussian_kde函数来实现。下面是一个简单的例子来说明如何使用KDE和绘制相应的二维直方图:

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

# 产生和处理数据，初始化KDE
data = np.vstack([x, y])
kde = gaussian_kde(data)

# 在通用的网格中计算得到Z的值
xgrid = np.linspace(-3.5, 3.5, 40)
ygrid = np.linspace(-6, 6, 40)
Xgrid, Ygrid = np.meshgrid(xgrid, ygrid)
Z = kde.evaluate(np.vstack([Xgrid.ravel(), Ygrid.ravel()]))

# 将图表绘制成一张图像
plt.imshow(Z.reshape(Xgrid.shape), origin='lower', aspect='auto', extent=[-3.5, 3.5, -6, 6], cmap='Blues')
cb = plt.colorbar()
cb.set_label("density")
plt.show()

以上代码使用了numpy、scipy和matplotlib库来实现密度直方图的绘制。首先，通过将数据放在一个数组中来初始化KDE对象。然后，定义一个网格来计算密度值Z。最后，使用imshow函数将密度值Z绘制成一张图像，并添加颜色条以表示密度。