numpy绘制随机数直方图

可以使用numpy中的histogram函数和matplotlib中的plot函数来绘制随机数的直方图。下面是一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

# 生成1000个随机数
data = np.random.randn(1000)

# 设置直方图的参数
bins = np.linspace(-5, 5, 50)

# 绘制直方图
plt.hist(data, bins=bins, alpha=0.5)

# 添加标题和标签
plt.title('Random number histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图像
plt.show()

这段代码会生成一个包含1000个随机数的数据集，并使用np.linspace函数生成50个等距的区间，然后用plt.hist函数绘制直方图。最后，添加标题和标签，并使用plt.show函数显示图像。

相关问题

numpy绘制随机数直方图如果要让 scipy.stats 每次产生相同的随机数，如何处理

要让 `scipy.stats` 每次产生相同的随机数，需要在每次生成随机数前设置随机数种子(seed)，可以使用 `numpy.random.seed()` 方法来设置随机数种子。

下面是一个使用 `numpy` 和 `scipy.stats` 绘制随机数直方图的例子，其中将种子设置为 `1`，以保证每次运行时生成相同的随机数：

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

np.random.seed(1)  # 设置随机数种子

# 生成随机数
x = norm.rvs(size=1000)

# 绘制直方图
plt.hist(x, bins=30, density=True, alpha=0.6, color='g')

# 绘制正态分布曲线
x_range = np.linspace(-4, 4, 100)
plt.plot(x_range, norm.pdf(x_range), 'r-', lw=2)

plt.show()

在上述代码中，设置了随机数种子为 `1`，因此每次运行时生成的随机数是相同的，可以得到相同的直方图和正态分布曲线。如果不设置随机数种子，则每次运行时生成的随机数将不同，因此绘制出的直方图和正态分布曲线也会不同。

通过numpy随机数绘制正态分布图

在Python中，我们可以使用NumPy库来生成正态分布的随机数，并结合Matplotlib库来绘制图表。以下是一个简单的步骤：

首先，你需要安装这两个库，如果尚未安装，可以使用pip安装：

pip install numpy matplotlib

然后，你可以使用NumPy的`normal()`函数生成正态分布的数据，它接受均值(mean)、标准差(std-dev)以及需要生成的数量作为参数。例如，生成平均数为0，标准差为1的一组数据：

import numpy as np

mean = 0
std_dev = 1
size = 1000  # 生成1000个随机样本
random_numbers = np.random.normal(mean, std_dev, size)

接着，使用Matplotlib的`hist()`函数绘制直方图：

import matplotlib.pyplot as plt

plt.hist(random_numbers, bins='auto', alpha=0.5, color='g')  # 'auto'选择合适的bins
plt.title('Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()

这里，`alpha`调整透明度，`color`设置颜色，`hist()`函数会自动计算并显示频率分布。