如何在Python中使用matplotlib绘制正态分布？

在Python中，使用matplotlib库来绘制正态分布是很常见的。这里是一个简单的例子，展示了如何使用`sns.distplot()`函数结合`numpy`的随机数生成来完成这个任务：

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

# 定义正态分布的参数 - 均值（mean）和标准差（std）
mu = 0
sigma = 1

# 生成一定数量的随机样本
x = np.random.normal(mu, sigma, 1000)

# 使用seaborn的distplot函数绘制正态分布
plt.figure(figsize=(8, 6))
sns.distplot(x, kde=True, fit=norm, color='blue')
# fit参数用于拟合正态分布，kde=True则添加核密度估计

# 添加拟合曲线的标签
params = norm.fit(x)
mu, sigma = params[0], params[1]
title = f"正态分布 (μ={mu:.2f}, σ={sigma:.2f})"
plt.title(title)

# 显示网格线
plt.grid(True)

# 显示坐标轴标签
plt.xlabel('Value')
plt.ylabel('Probability Density')

# 显示图表
plt.show()

在这个例子中，我们首先导入必要的模块，然后生成一些服从正态分布的随机数据，接着利用`sns.distplot()`来可视化数据，并通过`fit`参数指定拟合的正态分布。最后，我们设置了一些额外的美化选项，如标题和网格线。