plt怎么画非标准正态分布的图

要绘制非标准正态分布的图，您可以使用 Python 中的 `numpy` 和 `matplotlib` 库。以下是一个示例代码，演示如何生成非标准正态分布的数据并绘制其图形：

import numpy as np
import matplotlib.pyplot as plt

# 生成非标准正态分布的数据
mu = 2.5  # 均值
sigma = 1.2  # 标准差
data = np.random.normal(mu, sigma, 1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.7)

# 绘制拟合曲线
x = np.linspace(min(data), max(data), 100)
y = (1/(sigma*np.sqrt(2*np.pi))) * np.exp(-(x-mu)**2 / (2*sigma**2))
plt.plot(x, y, color='r', linewidth=2)

# 添加标题和标签
plt.title('Non-standard Normal Distribution')
plt.xlabel('Values')
plt.ylabel('Probability Density')

# 显示图形
plt.show()

这段代码首先使用 `np.random.normal()` 函数生成一个包含1000个数据点的非标准正态分布数据，然后使用 `plt.hist()` 函数绘制直方图。接下来，通过计算公式手动计算概率密度函数，并使用 `plt.plot()` 函数绘制拟合曲线。最后，通过 `plt.title()`、`plt.xlabel()` 和 `plt.ylabel()` 函数添加标题和轴标签，并使用 `plt.show()` 显示图形。

您可以根据需要调整均值 `mu` 和标准差 `sigma` 的值，以及直方图的参数和拟合曲线的样式。