在jupyter中创建2行2列的子图，每个子图为：直方图hist，bins有10个，值是随机函数中标准正态分布，每个子图产生100个这样的随机数。

在Jupyter Notebook中，你可以使用`matplotlib`库来创建2行2列的子图，并利用`numpy`生成标准正态分布的随机数，然后绘制直方图（hist）。以下是实现这个需求的步骤：

首先，你需要安装必要的库（如果你还没有安装）：

!pip install matplotlib numpy

接着，你可以按照以下代码创建所需的子图：

import numpy as np
import matplotlib.pyplot as plt

# 创建一个2x2的网格布局
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 6))

# 对于每个子图
for ax in axs.flat:
    # 生成100个标准正态分布的随机数
    random_values = np.random.normal(size=100)

    # 绘制直方图， bins设为10
    ax.hist(random_values, bins=10)

    # 标题设置为每个子图的位置，例如(行，列)
    ax.set_title(f"Subplot ({ax.get_position().row}, {ax.get_position().col})")

# 调整子图间距
plt.tight_layout()

# 显示图形
plt.show()

这段代码将为你创建一个2行2列的子图网格，每个子图都是一个基于标准正态分布的直方图。

相关问题

如何在Jupyter Notebook中使用matplotlib绘制包含多个子图的直方图，并确保中文显示正确？请提供详细的步骤和代码示例。

在使用matplotlib进行数据可视化时，绘制包含多个子图的直方图是一项常见的任务。要在Jupyter Notebook中实现这一目标，并确保中文能够正确显示，推荐您查阅《Python Matplotlib：subplot()与subplots()绘制多图对比》。此资料将为您提供对plt.subplots()和plt.subplot()这两种绘制多图方法的深入理解以及它们在实际应用中的对比分析。

参考资源链接：[Python Matplotlib：subplot()与subplots()绘制多图对比](https://wenku.csdn.net/doc/6401ab9acce7214c316e8d59?spm=1055.2569.3001.10343)

首先，确保您已经安装了matplotlib库，并在Jupyter Notebook中引入了必要的模块：

import matplotlib.pyplot as plt
import numpy as np

然后，创建一些随机数据作为直方图的数据源：

data1 = np.random.randn(1000)
data2 = np.random.randn(1000) + 10

为了确保中文可以正确显示，需要对matplotlib进行相应的配置：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

接下来，使用plt.subplots()函数创建一个2行2列的子图布局，并在每个子图上绘制直方图：

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

axs[0, 0].hist(data1, bins=30, facecolor='blue', edgecolor='black')
axs[0, 0].set_title('直方图 1')

axs[0, 1].hist(data2, bins=30, facecolor='green', edgecolor='black')
axs[0, 1].set_title('直方图 2')

axs[1, 0].hist(data1, bins=30, facecolor='red', edgecolor='black')
axs[1, 0].set_title('直方图 3')

axs[1, 1].hist(data2, bins=30, facecolor='purple', edgecolor='black')
axs[1, 1].set_title('直方图 4')

plt.show()

这段代码首先创建了一个2x2的子图网格，然后为每个子图绘制了一个直方图。通过设置标题，我们清晰地标记了每个子图的内容。最后，通过plt.show()函数显示出绘制的图形。

掌握了以上步骤后，您可以根据需要调整子图的数量和布局，以及自定义直方图的样式和参数。为了进一步深入了解如何在matplotlib中定制子图和直方图，推荐您阅读《Python Matplotlib：subplot()与subplots()绘制多图对比》。这本书详细介绍了matplotlib的核心功能，帮助您在数据可视化领域更进一步。

参考资源链接：[Python Matplotlib：subplot()与subplots()绘制多图对比](https://wenku.csdn.net/doc/6401ab9acce7214c316e8d59?spm=1055.2569.3001.10343)