python 使用正态分布拟合点集

在Python中，可以使用NumPy和Matplotlib库来进行正态分布拟合。具体步骤如下：
1. 导入NumPy和Matplotlib库。
2. 生成一组随机数据点。
3. 使用NumPy的mean和std函数计算数据点的均值和标准差。
4. 使用Matplotlib的hist函数绘制数据点的直方图。
5. 使用NumPy的linspace函数生成一组横坐标数据。
6. 使用scipy.stats库的norm函数生成一组纵坐标数据，表示正态分布曲线。
7. 使用Matplotlib的plot函数绘制正态分布曲线。
8. 使用Matplotlib的show函数显示图像。

具体实现可以参考以下代码：

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

# 生成一组随机数据点
data = np.random.normal(0, 1, 1000)

# 计算数据点的均值和标准差
mu, std = norm.fit(data)

# 绘制数据点的直方图
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')

# 生成一组横坐标数据
x = np.linspace(-4, 4, 100)

# 生成一组纵坐标数据，表示正态分布曲线
y = norm.pdf(x, mu, std)

# 绘制正态分布曲线
plt.plot(x, y, 'r--', linewidth=2)

# 显示图像
plt.show()