hist函数生成的纵轴变为百分比

可以通过设置 `normed` 参数为 `True` 来将纵轴归一化为百分比。例如：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.normal(0, 1, 1000)

# 绘制直方图并设置纵轴为百分比
plt.hist(data, bins=50, density=True)

# 显示图像
plt.show()

其中，`density=True` 将纵轴归一化为密度，并且设置 `bins` 参数控制直方图的柱子数量。注意，在 `matplotlib` 的新版本中，`normed` 参数已经被弃用，应该使用 `density` 参数来进行归一化。

相关问题

已知各城市十年的国民收入，用hist函数生成直方图

好的，以下是使用 hist 函数绘制各城市十年国民收入的直方图的步骤：

1. 准备数据：首先，需要准备需要绘制的数据，这里我们以各城市十年的国民收入数据为例。可以使用以下代码将数据导入 R：

income <- read.csv("income.csv")

2. 数据处理：将数据按照城市进行分组，并计算每个城市十年的平均国民收入。可以使用以下代码实现：

library(dplyr)

income_avg <- income %>%
  group_by(city) %>%
  summarize(avg_income = mean(income))

3. 绘制直方图：使用 hist 函数绘制直方图，例如：

hist(income_avg$avg_income, breaks = seq(0, 300000, by = 10000), 
     col = "steelblue", xlab = "Average Income", ylab = "Frequency", 
     main = "Histogram of Average Income by City (2011-2020)")

其中，`income_avg$avg_income` 是上一步处理后的平均收入数据，`breaks` 是直方图柱子的边界，`col` 是柱子的填充颜色，`xlab` 是 x 轴标签，`ylab` 是 y 轴标签，`main` 是图表标题。

以上就是使用 hist 函数绘制各城市十年国民收入的直方图的基本步骤。

matlab实现用hist函数验证randn函数生成的数据服从正态分布

可以使用MATLAB中的`hist`函数和`randn`函数来验证生成的数据是否服从正态分布。下面给出一段示例代码：

% 生成1000个服从标准正态分布的随机数
data = randn(1, 1000);

% 绘制直方图
hist(data, 20);

% 计算均值和标准差
mean_data = mean(data);
std_data = std(data);

% 输出均值和标准差
fprintf('均值为：%f\n', mean_data);
fprintf('标准差为：%f\n', std_data);

其中，`randn(1, 1000)`生成了1000个服从标准正态分布的随机数，`hist(data, 20)`绘制了数据的直方图，`mean(data)`和`std(data)`分别计算了数据的均值和标准差，`fprintf`函数输出了均值和标准差的值。如果生成的数据服从正态分布，则直方图应该呈现出“钟形曲线”的形状，均值应该接近于0，标准差应该接近于1。