python画数据拟合的正态分布图，标出3西格玛点

在Python中，你可以使用matplotlib库和numpy库来绘制数据的正态分布图，并通过计算3σ（标准差）边界来标出异常值。以下是简单的步骤：

导入所需的库：
import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import norm
登录后复制

创建一些随机数据，假设它近似于正态分布：
mean = 0
std_dev = 1
data = np.random.normal(mean, std_dev, 1000) # 生成1000个样本
登录后复制

绘制正态分布曲线以及3σ线：

绘制正态分布直方图
plt.hist(data, bins='auto', density=True, alpha=0.6, label='Data')


计算并绘制3σ范围
mu, sigma = norm.fit(data)
sigma *= 3  # 3倍的标准差
x_range = np.linspace(min(data), max(data), 1000)
y_upper = norm.pdf(x_range, mu, sigma)
y_lower = -y_upper
添加3σ线
plt.plot(x_range, y_upper, 'r--', label=f'3σ Upper Bound')
plt.plot(x_range, y_lower, 'r--')
设置图表标题、标签和轴刻度
plt.title('Normal Distribution with 3σ Limits')
plt.xlabel('Value')
plt.ylabel('Probability Density')
plt.legend()
显示图形
plt.show()

在这个例子中，norm.pdf函数用于计算正态分布的概率密度函数，fit函数则用于获取均值和标准差。红色虚线表示3σ范围，正常的数据分布应该在这三个标准差内。