python 拟合多峰直方图

要拟合多峰直方图，可以使用高斯混合模型 (Gaussian Mixture Model, GMM)。GMM 可以将多个高斯分布混合在一起，从而形成一个可以拟合多峰分布的模型。

以下是一个使用 sklearn 库中的 GMM 模型拟合多峰直方图的例子：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.mixture import GaussianMixture

# 生成多峰分布的样本数据
np.random.seed(0)
n_samples = 1000
x = np.concatenate([np.random.normal(loc=i, scale=0.5, size=int(n_samples/3)) for i in [-3, 0, 3]])

# 绘制原始直方图
plt.hist(x, bins=30, density=True, alpha=0.6, color='b')

# 使用 GMM 拟合多峰直方图
gmm = GaussianMixture(n_components=3)
gmm.fit(x.reshape(-1, 1))

# 生成拟合曲线
x_plot = np.linspace(-6, 6, 1000)
y_plot = np.exp(gmm.score_samples(x_plot.reshape(-1, 1)))

# 绘制拟合曲线
plt.plot(x_plot, y_plot, '-r', linewidth=2)

plt.show()

上述代码中，我们首先生成了一个多峰分布的样本数据，然后使用 GMM 模型拟合这个分布。最后，我们生成了拟合曲线，并将其绘制在原始直方图上。

执行上述代码后，会得到一个拟合了多峰直方图的图像。你可以尝试修改代码中的样本数据，以及 GMM 模型的参数，来观察不同的拟合效果。