python正态分布

正态分布（Normal distribution），也称为高斯分布（Gaussian distribution），是统计学中最重要的连续概率分布之一。正态分布的概率密度函数由其均值μ和方差σ^2决定。在Python中，可以使用SciPy库中的stats模块来生成正态分布的随机数。以下是一个示例代码：

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

# 生成正态分布的随机数
mean = 0 # 均值
std = 1 # 标准差
size = 1000 # 生成的随机数个数
data = np.random.normal(mean, std, size)

# 绘制直方图和概率密度函数曲线
fig, ax = plt.subplots()
ax.hist(data, bins=50, density=True, alpha=0.7)
x = np.linspace(mean - 4*std, mean + 4*std, 100)
ax.plot(x, stats.norm.pdf(x, mean, std), 'r-', label='Normal Distribution')
ax.legend()

plt.show()

以上代码首先使用np.random.normal()函数生成1000个符合指定均值和标准差的随机数，并使用plt.hist()函数绘制直方图。然后使用stats.norm.pdf()函数生成正态分布的概率密度函数曲线，并使用plt.plot()函数绘制在同一张图上。最后使用plt.show()函数显示图像。