python置信椭圆图

### 使用 Python 绘制置信椭圆图为了绘制置信椭圆图，`matplotlib` 和 `seaborn` 是两个常用的库。下面提供一段完整的代码来展示如何实现这一目标。 #### 导入必要的库首先需要导入所需的库： ```python import numpy as np import matplotlib.pyplot as plt from scipy.stats import multivariate_normal import seaborn as sns sns.set() ``` 这段代码初始化了绘图环境并设置了样式[^2]。 #### 准备数据接着准备一些模拟数据作为例子： ```python mean = [0, 0] cov = [[1, .6], [.6, 1]] x, y = np.random.multivariate_normal(mean, cov, 500).T ``` 这里创建了一个二维正态分布样本集，均值向量设为零向量，协方差矩阵定义了变量间的相关性和各自的标准差[^3]。 #### 计算置信区间边界点坐标通过计算给定概率水平下的置信区域边界上的点来进行可视化表示： ```python def confidence_ellipse(x, y, ax, n_std=3.0, facecolor='none', **kwargs): pearson = cov[0, 1]/np.sqrt(cov[0, 0] * cov[1, 1]) ell_radius_x = np.sqrt(1 + pearson) ell_radius_y = np.sqrt(1 - pearson) ellipse = Ellipse((0, 0), width=ell_radius_x * 2, height=ell_radius_y * 2, facecolor=facecolor, **kwargs) scale_x = np.sqrt(cov[0, 0]) * n_std mean_x = mean[0] scale_y = np.sqrt(cov[1, 1]) * n_std mean_y = mean[1] transf = transforms.Affine2D().rotate_deg(45).scale(scale_x, scale_y).translate(mean_x, mean_y) ellipse.set_transform(transf + ax.transData) return ax.add_patch(ellipse) ``` 此函数接受输入的数据列以及额外的图形属性参数，并返回一个代表指定标准偏差倍数范围内的置信区间的椭圆形对象。 #### 创建图表并添加置信椭圆最后一步是在散点图基础上叠加置信椭圆： ```python fig, ax_nstd = plt.subplots(figsize=(6, 6)) ax_nstd.scatter(x, y, s=0.2) confidence_ellipse(x, y, ax_nstd, edgecolor='red') plt.show() ``` 上述脚本会生成一张包含随机生成的数据点及其对应的95%置信度椭圆轮廓的地图。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 centos8运行python manage.py runserver