Python：为变量创建高斯分布，并使用高斯值在循环上运行程序

debugcn 发表于 Dev

弗拉德

我仍然对python感到满意，并努力解决此问题：

我正在使用名为Fatiando a Terra的工具包在python中运行脚本；我定义了一个物体的参数，然后用重力/梯度法对其进行建模，如下所示：

import numpy as np
from fatiando.vis import mpl
from fatiando.mesher import Prism
from fatiando.gravmag import prism
from fatiando.constants import G
from fatiando import utils
import fatiando
import matplotlib.pyplot as plt

model = Prism(-1000, 1000, -1000, 1000, 1000, 1100, {'density': 300})
n = 500
x = np.zeros(n)
y = np.zeros(n)
z = np.linspace(0, 2000, n)
data = np.array([prism.gx(x, y, z, [model]),
                 prism.gy(x, y, z, [model]),
                 prism.gz(x, y, z, [model]),
                 prism.gxx(x, y, z, [model]),
                 prism.gxy(x, y, z, [model]),
                 prism.gxz(x, y, z, [model]),
                 prism.gyy(x, y, z, [model]),
                 prism.gyz(x, y, z, [model]),
                 prism.gzz(x, y, z, [model])])

在此之后，我正在使用python对其进行绘制，但是此代码无关。

我使用以下命令手动执行了一个微小的高斯数组：

from numpy.random import multivariate_normal
multivariate_normal([300]. [[300]], 10)

它提供给我的10个值是我手动输入到脚本中并生成输出的。

我想做的是对300的密度值执行高斯分布+ -100。我想生成1000个值，并将它们循环回到脚本中，对每个密度变量运行该程序1000次。

对于输出，我当前正在使用：

titles = ['gx', 'gy', 'gz', 'gxx', 'gxy', 'gxz', 'gyy', 'gyz', 'gzz']
np.savetxt(title, np.vstack((z.ravel(), d.ravel())).T)

理想情况下，对于高斯数组，我希望以相同的方式输出文本，但要使用1000个样本的平均值而不是任何单个值。同样，标准偏差也会很大。

抱歉，如果我要求太多，非常感谢您提供的任何帮助。干杯!

用户名

尽管它也可以用作答案，但它更像是一个扩展的评论，而不是一个答案。

将代码包装在一个函数中，然后在循环中调用该函数，并在最后平均结果，可能看起来像这样（部分是象征性的）：

##import statements

NDENSITIES = 1000

def dowork(density):
    model = Prism(-1000, 1000, -1000, 1000, 1000, 1100, {'density': 300})
    ##other code
    return data   ## or whatever is important

densities = multivariate_normal([300], [[300]], NDENSITIES)
results = []
for density in range(densities):
    results.append(dowork(density))
results = np.vstack(results)   ## or hstack or dstack, depending on the dimensions of `data`
mean = results.mean()   # possibly: results.mean(axis=0) or with axis=1 etc. Again dependent on the dimensions
std = results.std()

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。