python 对一系列数据做非标准正态分布拟合，并用matplotlib绘制出来

您好，欢迎和我对话！针对您的问题，可以使用scipy库中的stats模块来进行非标准正态分布的拟合，具体方法如下：

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

# 生成一组非正态分布的数据
data = np.random.laplace(loc=10, scale=3, size=5000)

# 对数据进行非标准正态分布拟合
fit_alpha, fit_loc, fit_beta = stats.laplace.fit(data)

# 绘制原始数据的直方图
plt.hist(data, bins=50, density=True, alpha=0.6, color='g')

# 根据拟合参数生成拟合曲线并绘制
x = np.linspace(stats.laplace.ppf(0.01, fit_alpha, fit_loc, fit_beta),
                stats.laplace.ppf(0.99, fit_alpha, fit_loc, fit_beta), 100)
plt.plot(x, stats.laplace.pdf(x, fit_alpha, fit_loc, fit_beta), 'r-', lw=2)

# 样本分布与拟合曲线的比较
plt.title('Laplace distribution fit')
plt.xlabel('data')
plt.ylabel('PDF')
plt.show()

以上代码就可以实现对一组非标准正态分布的数据进行拟合，并用matplotlib绘制出来。希望能对您有所帮助！