正态分布图像python
时间: 2023-11-12 11:59:48 浏览: 33
好的,以下是绘制正态分布图像的Python代码:
```python
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 0, 0.1 # 均值和标准差
s = np.random.normal(mu, sigma, 1000) # 生成1000个符合正态分布的随机数
count, bins, ignored = plt.hist(s, 30, density=True) # 绘制直方图
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=2, color='r') # 绘制正态分布曲线
plt.show() # 显示图像
```
相关问题
python生成正态分布图像
生成正态分布图像可以使用Python中的matplotlib库。下面是一个简单的例子:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成一组随机数据
mu, sigma = 0, 0.1
s = np.random.normal(mu, sigma, 1000)
# 画出直方图
count, bins, ignored = plt.hist(s, 30, density=True)
# 画出正态分布曲线
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
# 显示图像
plt.show()
```
这段代码会生成一个符合正态分布的随机数据,然后用直方图和正态分布曲线表示这些数据的分布情况。你可以根据需要修改均值、标准差、数据数量等参数,来生成不同的正态分布图像。
正态分布python
在Python中,你可以使用SciPy库来生成和操作正态分布。具体步骤如下:
1. 导入所需的库:
```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
```
2. 生成正态分布的随机数:
```python
mean = 0 # 均值
std_dev = 1 # 标准差
size = 1000 # 随机数的个数
samples = np.random.normal(mean, std_dev, size)
```
上述代码将生成一个大小为1000的随机数样本,它们满足均值为0,标准差为1的正态分布。
3. 绘制正态分布的概率密度函数(PDF):
```python
x = np.linspace(-4, 4, 100) # x轴范围
pdf = norm.pdf(x, mean, std_dev) # 计算概率密度函数
plt.plot(x, pdf)
plt.xlabel('x')
plt.ylabel('Probability Density')
plt.title('Normal Distribution')
plt.show()
```
上述代码将绘制出正态分布的概率密度函数图像,在x轴范围为-4到4之间。
希望以上代码能够满足你对正态分布的需求。如果有任何问题,请随时提问。