mu = 10 # mean of distribution 均值分布 sigma = 3 # standard devition of distribution 标准分布 x = mu + sigma * np.random.randn((2000)) print(x) plt.hist(x,bins=10,color='r',edgecolor = 'b',density=False) #edgecolor:条形的边框颜色 density:是否标准化 plt.show() mu = 10 # mean of distribution 均值分布 sigma = 3 # standard devition of distribution 标准分布 x = mu + sigma * np.random.randn((2000)) print(x) plt.hist(x,bins=50,color='r',edgecolor = 'b',density=False) #edgecolor:条形的边框颜色 density:是否标准化 plt.show()

这段代码使用了NumPy和Matplotlib库，生成了一个正态分布的随机数，并使用plt.hist()函数将数据绘制成直方图。其中，mu表示分布的均值，sigma表示分布的标准差，x为生成的2000个随机数。通过plt.hist()函数绘制直方图，其中x为数据，bins为直方图的条数，color为条形的填充颜色，edgecolor为条形的边框颜色，density表示是否标准化。在代码中，两次绘制直方图的区别在于bins的数量不同，第一次为10个，第二次为50个。最后，通过show()函数显示图形。