``` x1=50 loc=0 px1 = st.norm.cdf(x1, loc, sigma_x)```画出x和px1的图，python

要绘制`x`和`px1`的图，我们可以利用Python的matplotlib库来可视化正态分布的概率密度函数（PDF）。这里，我们先导入必要的库，然后设置参数并创建图形。

首先，确保已经安装了`numpy`, `scipy`, 和 `matplotlib`。如果未安装，可以通过pip安装：

pip install numpy scipy matplotlib

然后，你可以按照以下步骤进行操作：

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt

# 定义变量
x1 = 50
loc = 0
sigma_x = 1  # 假设标准差为1，可以根据实际需求调整

# 计算正态分布概率
px1 = norm.cdf(x1, loc, sigma_x)

# 创建x轴范围，通常选择从负无穷到正无穷，但可以自定义
x = np.linspace(-10, 100, 400)

# 计算对应x的累积分布函数值
pdf_x = norm.pdf(x, loc, sigma_x)
cdf_x = norm.cdf(x, loc, sigma_x)

# 创建图形
plt.figure(figsize=(8, 6))
plt.plot(x, pdf_x, label='PDF', color='blue')
plt.plot(x, cdf_x, label='CDF', linestyle='--', color='orange')

# 显示x1处的概率值
plt.axvline(x=x1, ymin=0, ymax=px1, color='red', linestyle=':', label=f'x={x1} CDF')

# 添加标签和标题
plt.legend()
plt.title(f"Normal Distribution with μ={loc:.2f}, σ={sigma_x:.2f}")
plt.xlabel('Value')
plt.ylabel('Probability Density or Cumulative Probability')
plt.grid(True)
plt.show()

这段代码会生成一张正态分布的图表，显示了给定`x1`值的概率密度以及累积分布函数。红色虚线表示`x1`对应的CDF值。