用Python绘制正态分布图
时间: 2023-06-08 08:04:26 浏览: 209
好的,请等一下,我来给您绘制正态分布图。
以下是 Python 代码:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成均值为0,标准差为1的1000个随机数
x = np.random.normal(0,1,1000)
# 绘制直方图
plt.hist(x, bins=30)
# 绘制密度曲线
density = (1/(2*np.pi)**0.5)*np.exp(-x**2/2)
plt.plot(x, density, color='r')
plt.title('Normal Distribution')
plt.show()
```
这段代码可以生成一个均值为0,标准差为1的正态分布图。
相关问题
用python绘制正态分布坐标图
可以使用Python中的matplotlib库来绘制正态分布的坐标图。下面是一个简单的示例代码:
```python
import matplotlib.pyplot as plt
import numpy as np
# 生成正态分布的数据
mu = 0 # 均值
sigma = 1 # 标准差
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) # x轴数据
# 计算正态分布的概率密度函数
y = (1/(np.sqrt(2*np.pi)*sigma)) * np.exp(-(x-mu)**2 / (2*sigma**2))
# 绘制坐标图
plt.plot(x, y)
plt.title('Normal Distribution')
plt.xlabel('x')
plt.ylabel('Probability Density')
plt.grid(True)
plt.show()
```
这段代码将生成一个以x轴为横轴、概率密度为纵轴的正态分布坐标图。你可以根据自己的需求调整均值和标准差来生成不同形态的正态分布图。
用python绘制正态分布直方图
在Python中,你可以使用matplotlib库来绘制正态分布的直方图。下面是一个简单的例子:
```python
import numpy as np
import matplotlib.pyplot as plt
# 定义正态分布的均值和标准差
mean, std = 0, 1
# 创建一组随机数,模拟正态分布
data = np.random.normal(mean, std, 1000) # 可以调整样本数量
# 绘制直方图
plt.hist(data, bins=50, density=True, alpha=0.7, color='blue') # bins用于设置分组区间,density=True表示概率密度分布
plt.title('正态分布直方图')
plt.xlabel('数值')
plt.ylabel('频率/概率密度')
plt.grid(True)
# 添加高斯曲线作为参考
x = np.linspace(min(data), max(data), 100)
pdf = ((1 / (np.sqrt(2 * np.pi) * std)) * np.exp(-(x - mean)**2 / (2 * std**2)))
plt.plot(x, pdf, 'r-', linewidth=2, label='正态分布曲线')
plt.legend()
plt.show()
阅读全文
相关推荐













