Python：如何绘制3维数组的正态分布

Question

我有一个3维数组temprSubset，它取了2维的平均值。代码：f=MFDataset(filenames)temprSubset = f.variables['tc'][ : , latitude_lower_limit:latitude_upper_limit , longitude_lower_limit:longitude_upper_limit,] tempavg1=temprSubset.mean(axis=tuple(range(0,2)))我想绘制tempavg1数组中每个平均值的标准偏差曲线，但我很迷惑。

Answer 1

简单的方法是使用该hist功能。箱数的选择可能会大大改变图形的形状。

给出平滑曲线的另一种方法是核密度估计。带宽的选择也可能会更改获得的图形的形状。

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

# Generate some data

data = np.random.normal( size=(5, 50, 150) )  # a random 3D array

average_axes01 = data.mean(axis=(0, 1))

# Using the Kernel density estimation:

from scipy.stats import gaussian_kde

prob_density = gaussian_kde(average_axes01)

std = average_axes01.std()

x_fine = np.linspace(-3*std, 3*std, 29)

probs = prob_density(x_fine)

plt.plot(x_fine, probs, 'r', linewidth=2);

# Using the histogram:

plt.hist(average_axes01, bins=7, normed=True, alpha=.4)

plt.ylabel('probability density function'); plt.xlabel('values');