用 python 绘制泊松分布概率直方图

时间: 2023-07-17 20:58:09 浏览: 76
好的,以下是用 Python 绘制泊松分布概率直方图的代码: ```python import numpy as np import matplotlib.pyplot as plt from scipy.stats import poisson # 设置泊松分布参数 mu = 2.5 # 生成泊松分布数据 data = poisson.rvs(mu, size=1000) # 绘制直方图 plt.hist(data, bins=20, density=True, alpha=0.6, color='b') # 绘制概率密度函数曲线 x = np.arange(0, 15) plt.plot(x, poisson.pmf(x, mu), 'ro--', ms=8, label='Poisson PMF') plt.xlabel('Value') plt.ylabel('Probability') plt.title('Poisson Distribution') plt.legend() plt.show() ``` 解释一下代码: 1. 首先导入需要的库,包括 numpy、matplotlib 和 scipy.stats。 2. 设置泊松分布的参数 mu。 3. 使用 scipy.stats 库中的 poisson.rvs() 函数生成 1000 个泊松分布的数据。 4. 使用 matplotlib 库中的 hist() 函数绘制直方图,其中 bins 参数设置为 20 表示将数据分成 20 个区间,density 参数设置为 True 表示绘制的是概率密度直方图,alpha 参数设置为 0.6 表示透明度为 0.6,color 参数设置为 'b' 表示颜色为蓝色。 5. 使用 numpy 库中的 arange() 函数生成一个从 0 到 14 的整数数组,作为绘制概率密度函数曲线的 x 坐标轴数据。 6. 使用 scipy.stats 库中的 poisson.pmf() 函数生成对应 x 坐标轴数据的概率密度函数值。 7. 使用 matplotlib 库中的 plot() 函数绘制概率密度函数曲线,其中 'ro--' 表示红色圆点和虚线样式。 8. 设置 x 轴和 y 轴的标签,设置图表标题,使用 legend() 函数显示图例,最后使用 show() 函数显示图表。 希望能够帮到你!

相关推荐

最新推荐

recommend-type

python matplotlib库直方图绘制详解

主要介绍了python matplotlib库直方图绘制详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

如何用Python绘制3D柱形图

主要介绍了如何用Python绘制3D柱形图,帮助大家更好的利用python实现数据可视化,感兴趣的朋友可以了解下
recommend-type

python绘制趋势图的示例

主要介绍了python如何绘制趋势图,帮助大家更好的用python绘制图像,进行数据可视化分析,感兴趣的朋友可以了解下
recommend-type

python 绘制场景热力图的示例

主要介绍了python 绘制场景热力图的示例,帮助大家更好的利用python绘制图像,感兴趣的朋友可以了解下
recommend-type

Python如何使用bokeh包和geojson数据绘制地图

主要介绍了Python如何使用bokeh包和geojson数据绘制地图,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

list根据id查询pid 然后依次获取到所有的子节点数据

可以使用递归的方式来实现根据id查询pid并获取所有子节点数据。具体实现可以参考以下代码: ``` def get_children_nodes(nodes, parent_id): children = [] for node in nodes: if node['pid'] == parent_id: node['children'] = get_children_nodes(nodes, node['id']) children.append(node) return children # 测试数
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。