50个数值成正态分布

要生成50个符合正态分布的随机数，可以使用Python中的numpy库中的random模块中的normal函数。具体代码如下：

import numpy as np

mean = 0  # 均值
std_dev = 1  # 标准差
num_samples = 50  # 样本数量

samples = np.random.normal(mean, std_dev, num_samples)

print(samples)

其中，`mean`为正态分布的均值，`std_dev`为正态分布的标准差，`num_samples`为生成的样本数量。`np.random.normal`函数会返回一个包含指定数量的随机数的numpy数组，这些随机数符合给定均值和标准差的正态分布。运行上述代码会输出50个符合正态分布的随机数。

相关问题

50个数值成正态分布范围为0-100 通过plt.bar()进行柱状绘制

可以使用Python中的random和numpy库来生成符合正态分布的50个随机数，并使用matplotlib库的plt.bar()函数进行柱状图绘制。

示例代码如下：

import random
import numpy as np
import matplotlib.pyplot as plt

# 生成50个随机数，符合正态分布，范围为0-100
mu, sigma = 50, 10  # 均值和标准差
data = np.random.normal(mu, sigma, 50)
data = [x if x >= 0 else 0 for x in data]  # 将小于0的数值设置为0
data = [x if x <= 100 else 100 for x in data]  # 将大于100的数值设置为100

# 绘制柱状图
plt.bar(range(len(data)), data)

# 设置标题、坐标轴标签
plt.title('Normal Distribution')
plt.xlabel('Index')
plt.ylabel('Value')

plt.show()

运行以上代码，可以得到一个50个数值成正态分布范围为0-100的柱状图。

正态分布柱状图50个数值呈正态分布，通过plt.bar()进行绘制

要绘制正态分布柱状图，需要用到`numpy`和`matplotlib`库。

首先生成50个服从正态分布的随机数：

import numpy as np

# 生成50个服从正态分布的随机数
mu, sigma = 0, 0.1  # 正态分布的均值和标准差
s = np.random.normal(mu, sigma, 50)

然后用`matplotlib`库中的`bar`函数绘制柱状图：

import matplotlib.pyplot as plt

# 绘制柱状图
count, bins, ignored = plt.hist(s, 30, density=True)
plt.show()

其中`hist`函数用于计算并绘制直方图，其中`density=True`表示将直方图归一化为概率密度函数。`plt.show()`函数用于显示图像。

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成50个服从正态分布的随机数
mu, sigma = 0, 0.1  # 正态分布的均值和标准差
s = np.random.normal(mu, sigma, 50)

# 绘制柱状图
count, bins, ignored = plt.hist(s, 30, density=True)
plt.show()