用python写出使用直方图拟合 标准正态分布曲线图

在Python中，我们可以使用matplotlib库来进行数据可视化，同时结合numpy和scipy库来生成标准正态分布的直方图并拟合它。以下是一个简单的示例：

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

# 创建一组随机样本，模拟标准正态分布
np.random.seed(0)  # 设置随机种子保证结果可复现
data = norm.rvs(size=1000)  # 使用norm函数生成标准正态分布的随机数

# 绘制原始数据的直方图
plt.hist(data, bins='auto', density=True, alpha=0.5, label='Sample data')

# 定义x轴范围和创建网格
mu, sigma = norm.fit(data)  # 使用fit方法获取均值和标准差
x = np.linspace(mu - 3 * sigma, mu + 3 * sigma, 100)

# 拟合正态分布曲线
pdf = norm.pdf(x, mu, sigma)
plt.plot(x, pdf, 'r-', lw=2, label='PDF')

# 添加标题、标签和图例
plt.title('Histogram of Standard Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Probability Density')
plt.legend()

plt.show()

这个脚本首先生成了标准正态分布的数据，然后绘制了直方图，接着计算出数据的均值和标准差，用于确定正态分布曲线的参数。最后，通过`norm.pdf`函数画出了正态分布曲线，并将其与直方图进行比较。