python生成正态分布图，图上显示样本均差，标准差

在Python中，我们可以使用matplotlib库以及numpy库来生成正态分布图，并添加样本均值（平均值）和标准差。以下是一个简单的示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据，假设数据服从正态分布
mu = 0   # 均值
sigma = 1  # 标准差
size = 1000
data = np.random.normal(mu, sigma, size)

# 计算样本均值和标准差
sample_mean = data.mean()
sample_std_dev = data.std()

# 创建直方图并绘制正态曲线
plt.hist(data, bins='auto', alpha=0.5, density=True, color='blue')
x = np.linspace(min(data), max(data), 100)
pdf = (1 / (np.sqrt(2 * np.pi) * sigma)) * np.exp(-(x - mu)**2 / (2 * sigma**2))
plt.plot(x, pdf, 'r', linewidth=2, label=f'正态分布 ({sample_mean:.2f}, {sample_std_dev:.2f})')

# 显示标签和标题
plt.title('正态分布图及样本均值和标准差')
plt.xlabel('数值')
plt.ylabel('频率')
plt.legend()
plt.show()

在这个例子中，我们首先生成了一个服从正态分布的数据集，然后计算了其样本均值和标准差。接着，我们画出了一条对应的正态分布曲线，并将这两个统计量标注在图表上。