我正在研究一个由“脉冲长度”值和对应于每个脉冲长度的 5 或 6 个“电压值”组成的数据集。第一个值是脉冲长度，然后是电压。找到下表。
15 -56V -47V -53V -50V -50V
16 -49V -46V -52V -47V -50V
17 -50V -51V -47V -50V -49V
18 -50V -51V -48V -48V -45V
19 -49V -51V -45V -47V -52V
20 -45V -47V -50V -47V -54V
21 -46V -52V -52V -49V -54V
22 -53V -51V -53V -56V -52V
23 -52V -45V -51V -56V -53V
24 -51V -52V -54V -58V -52V
25 -56V -53V -57V -55V -53V
26 -53V -52V -55V -52V
27 -54V -49V -56V -54V
28 -52V -52V -57V -56V -53V
29 -63V -60V -54V -58V -61V
30 -59V -70V -61V
我希望 X 和 Y 轴是脉冲长度和电压，我希望 Z 轴是它的概率分布。我有一个使用“电压值”集及其概率的二维图。
图中，红色图表对应一个脉冲长度，绿色图表对应另一个脉冲长度。我尝试使用堆栈溢出中的多元正态分布示例（在 3D 中绘制正态分布）以相同的方式绘制 3D 图。由于我对 3D 绘图的经验很少，因此我无法在同一表面上绘制具有不同 Y 轴“脉冲长度”值的多个表面绘图。我尝试过的代码如下所示。
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from matplotlib.mlab import bivariate_normal
from mpl_toolkits.mplot3d import Axes3D
#Parameters to set
mu_x = -48.8
sigma_x = np.sqrt(6.5)
mu_y = 0
sigma_y = np.sqrt(16)
#Create grid and multivariate normal
x = range(-100,0)
y = range(15,30)
X, Y = np.meshgrid(x,y)
Z = bivariate_normal(X,Y,sigma_x,sigma_y,mu_x,mu_y)
#Make a 3D plot
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z,cmap='Reds',linewidth=0, antialiased=True,
zorder = 0.5)
ax.set_xlabel('Voltage')
ax.set_ylabel('Pulse Length')
ax.set_zlabel('Normal Distribution')
plt.show()
如果有人可以帮助我对多个脉冲长度做同样的事情，我将非常感激。谢谢你。
