高斯函数的Python代码表示

高斯函数（也称为高斯核或高斯分布），数学表达式通常写作 \( f(x) = \frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{x^2}{2\sigma^2}} \)，其中 \(\sigma\) 是标准差。在 Python 中，我们可以使用 `scipy.stats.norm` 来生成和计算高斯分布。这是一个简单的例子：

from scipy.stats import norm
import numpy as np

# 定义高斯函数参数，例如均值 (mean) 和标准差 (std_dev)
mean = 0
std_dev = 1

# 创建高斯分布对象
gaussian = norm(loc=mean, scale=std_dev)

# 计算给定点 x 的高斯值
x_values = np.linspace(-10, 10, 100)  # 创建一个线性空间的点集
pdf = gaussian.pdf(x_values)  # pdf 表示概率密度函数

# 可视化高斯曲线
import matplotlib.pyplot as plt
plt.plot(x_values, pdf)
plt.xlabel('x')
plt.ylabel('PDF')
plt.title('Gaussian Distribution with mean=' + str(mean) + ' and std_dev=' + str(std_dev))
plt.show()

这个代码首先导入所需的库，然后创建一个高斯分布对象，接着计算指定区间上各点的概率密度，最后绘制出高斯曲线。