要绘制二维高斯函数，可以使用Python中的NumPy和Matplotlib库。下面是一个例子：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 定义二维高斯函数
def Gaussian(x, y, x0, y0, sigma):
    return np.exp(-((x - x0)**2 + (y - y0)**2) / (2.0 * sigma**2))

# 设置参数
sigma = 2
x, y = np.meshgrid(np.linspace(-5, 5), np.linspace(-5, 5))

# 计算高斯函数
z = Gaussian(x, y, 0, 0, sigma)

# 绘制3D图形
fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
plt.show()

# 绘制等高线图形
plt.contourf(x, y, z, 10, cmap=plt.get_cmap('rainbow'))
plt.show()

　　这个例子首先定义了一个二维高斯函数，然后利用NumPy创建了一个网格，计算了高斯函数的值，并用Matplotlib绘制了3D图形和等高线图形。可以看到，图形的形状与高斯分布的形状非常相似。在实际应用中，可以根据需要调整高斯函数的参数和绘图选项，来得到不同形状和大小的二维高斯函数图像。