### 使用 Python `contourf` 函数可视化二维高斯分布 在 Python 中，`matplotlib.pyplot.contourf` 是一种强大的工具，用于绘制填充的等高线图。它可以用来直观地显示二维高斯分布的概率密度变化情况。下面详细介绍如何使用该函数及其相关参数来实现这一目标。 #### 1. 导入必要库 要使用 `contourf` 绘制二维高斯分布，需先导入以下库： ```python import numpy as np import matplotlib.pyplot as plt ``` #### 2. 定义二维高斯分布函数 二维高斯分布的概率密度函数通常由均值向量 $\mu$ 和协方差矩阵 $\Sigma$ 描述。假设均值为 $(\mu_x, \mu_y)$，标准差分别为 $\sigma_x$, $\sigma_y$，且无相关性，则概率密度函数可简化为： $$ f(x, y) = A e^{-\left(\frac{(x-\mu_x)^2}{2\sigma_x^2} + \frac{(y-\mu_y)^2}{2\sigma_y^2}\right)} $$ 其中 $A$ 是归一化常数。 以下是其实现代码： ```python def gaussian_2d(x, y, mx=0, my=0, sx=1, sy=1): """ 计算二维高斯分布的概率密度。 :param x: 输入点的x坐标 :param y: 输入点的y坐标 :param mx: 均值 (沿x方向) :param my: 均值 (沿y方向) :param sx: 方差 (沿x方向) :param sy: 方差 (沿y方向) :return: 高斯分布的概率密度值 """ return (1 / (2 * np.pi * sx * sy)) * \ np.exp(-((x - mx)**2 / (2 * sx**2) + (y - my)**2 / (2 * sy**2))) ``` #### 3. 构建网格数据 为了计算整个区域上的高斯分布值，需要生成一组规则的网格点。可以借助 `numpy.meshgrid` 实现这一点： ```python x = np.linspace(-5, 5, 100) # x轴范围和分辨率 y = np.linspace(-5, 5, 100) # y轴范围和分辨率 X, Y = np.meshgrid(x, y) # 创建网格 Z = gaussian_2d(X, Y, mx=0, my=0, sx=1, sy=1) # 计算对应z值 ``` #### 4. 使用 `contourf` 绘制填充分割的等高线图 `contourf` 的主要参数如下： - `X`: 网格化的x坐标。 - `Y`: 网格化的y坐标。 - `Z`: 对应于 `(X,Y)` 的z值（即高斯分布的概率密度）。 - `levels`: 控制等高线的数量或具体数值。 - `cmap`: 指定颜色映射方案。 示例代码如下： ```python plt.figure(figsize=(8, 6)) contour_plot = plt.contourf(X, Y, Z, levels=50, cmap='viridis') # 绘制填充分割的等高线图 # 添加颜色条 cbar = plt.colorbar(contour_plot) cbar.set_label('Probability Density') # 设置图形属性 plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.title('Contourf Visualization of 2D Gaussian Distribution') plt.show() ``` 上述代码中，`levels=50` 表示将等高线分为50级；`cmap='viridis'` 指定了颜色渐变模式[^1]。 #### 5. 自定义绘图风格 除了默认设置外，还可以通过修改参数来自定义绘图外观。例如，更改颜色映射、添加轮廓线或者调整透明度等： ```python plt.figure(figsize=(8, 6)) # 填充部分 contour_fill = plt.contourf(X, Y, Z, levels=50, alpha=0.7, cmap='Blues') # 轮廓线 contour_lines = plt.contour(X, Y, Z, levels=10, colors='k', linewidths=0.8) # 添加标签 plt.clabel(contour_lines, inline=True, fontsize=8) # 添加颜色条 cbar = plt.colorbar(contour_fill) cbar.set_label('Probability Density') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.title('Customized Contourf with Lines and Labels') plt.show() ``` 在此基础上，用户可根据实际需求进一步调整参数以获得更理想的可视化效果[^3]。 --- ### 注意事项 - 当前例子仅考虑了各向同性的二维高斯分布（$\sigma_x=\sigma_y$）。对于具有不同尺度的标准差的情况，可通过调节 `sx` 和 `sy` 参数实现异向伸缩。 - 若涉及复杂场景下的多重高斯混合模型(Mixture Model)，则需分别定义每种成分再求和得到总分布[^2]。 ---