python拟合正态分布

使用Python拟合正态分布可以使用scipy.stats.norm模块。首先，将数据加载到一个numpy数组中，然后计算均值和标准差。接下来，使用norm.fit()函数来拟合正态分布，并获取拟合的参数。然后，使用numpy.linspace()函数创建一个范围内的值，然后使用norm.pdf()函数计算在该范围内的概率密度。最后，使用matplotlib库绘制直方图和拟合的正态分布曲线。

示例代码如下：

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

# 加载数据
data = np.loadtxt('data.txt')

# 计算均值和标准差
mean = np.mean(data)
std = np.std(data)

# 拟合正态分布
param = stats.norm.fit(data)
fitted = stats.norm(*param)

# 创建一个范围内的值
x = np.linspace(min(data), max(data), 100)

# 计算概率密度函数
pdf = fitted.pdf(x)

# 绘制直方图和拟合的正态分布曲线
plt.hist(data, bins=30, density=True, alpha=0.7)
plt.plot(x, pdf, 'r-', lw=2)
plt.xlabel('Value')
plt.ylabel('Probability')
plt.title('Histogram and Fitted Normal Distribution')
plt.legend(['Fitted Normal Distribution', 'Histogram'])
plt.show()