python正态拟合曲线图

好的，以下是Python正态分布拟合曲线图的代码：

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

# 生成随机数据
data = np.random.normal(size=1000)

# 计算均值和标准差
mu, std = norm.fit(data)

# 绘制直方图
plt.hist(data, bins=25, density=True, alpha=0.6, color='g')

# 绘制正态分布曲线
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = norm.pdf(x, mu, std)
plt.plot(x, p, 'k', linewidth=2)

# 添加标题和标签
plt.title("Normal distribution fit")
plt.xlabel("Value")
plt.ylabel("Frequency")

plt.show()

相关问题

python拟合正态分布曲线

在Python中，我们可以使用matplotlib库和scipy库来拟合数据到正态分布（也称高斯分布）。下面是一个基本步骤：

1. 首先，确保已经安装了这两个库，如果没有，可以使用pip安装：

   pip install matplotlib scipy

2. 导入需要的模块：

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

3. 创建一些随机数据，假设我们有已知正态分布的数据：

# 假设有一些观测值
observed_values = np.random.normal(loc=0, scale=1, size=100)  # 正态分布，均值0，标准差1

4. 使用`norm.fit()`函数获取最大似然估计的参数（均值μ和标准差σ）：

mu, sigma = norm.fit(observed_values)
print(f"Fit parameters: μ={mu}, σ={sigma}")

5. 拟合正态分布曲线并绘制数据点和曲线：

x = np.linspace(min(observed_values), max(observed_values), 100)  # 线性空间用于绘图

# 绘制原始数据点
plt.scatter(observed_values, [0]*len(observed_values), color='black', alpha=0.5)

# 拟合曲线
y_fit = norm.pdf(x, mu, sigma)
plt.plot(x, y_fit, 'r-', label=f'Fit with μ={mu:.2f} and σ={sigma:.2f}')

# 添加标签和标题
plt.legend()
plt.xlabel('Value')
plt.ylabel('Probability Density')
plt.title('Normal Distribution Fit')
plt.show()

在这个例子中，`norm.pdf()`计算的是概率密度函数，`pdf(x, mu, sigma)`表示给定x、μ和σ时的概率。

python正态分布拟合

要进行正态分布拟合，可以使用Python中的Scipy库中的stats模块。

下面给出一个简单的正态分布拟合的例子：

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

# 生成一组随机数据
data = np.random.normal(0, 1, 1000)

# 拟合正态分布
mu, std = norm.fit(data)

# 绘制直方图
plt.hist(data, bins=50, density=True, alpha=0.6, color='g')

# 绘制拟合的正态分布曲线
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = norm.pdf(x, mu, std)
plt.plot(x, p, 'k', linewidth=2)

# 添加标题和标签
plt.title("Fit results: mu = %.2f,  std = %.2f" % (mu, std))
plt.xlabel('data')
plt.ylabel('Probability density')

plt.show()

运行上述代码，即可生成一张包含随机数据的直方图以及拟合的正态分布曲线。其中，mu和std分别表示正态分布的均值和标准差。