import seaborn as sns import numpy as np np.random.seed(123) # a、服从μ=0,σ=1 的正态分布: data=np.random.randn(10000) # data sns.distplot(data) # b、服从μ=loc,σ=scale 的正态分布: #loc:正太分布的均值 scale:正太分布的标准差 size:设定数组形状 data2=np.random.normal(loc=2, scale=1, size=10000) data2 sns.distplot(data2)这段代码用matplotlib绘制
时间: 2024-03-22 17:42:40 浏览: 20
下面是使用 Matplotlib 绘制两个正态分布的直方图的代码:
```python
import matplotlib.pyplot as plt
import numpy as np
# 设置主题
plt.style.use('ggplot')
# 生成数据
np.random.seed(123)
data1 = np.random.randn(10000)
data2 = np.random.normal(loc=2, scale=1, size=10000)
# 绘制直方图
plt.hist(data1, bins=50, alpha=0.5, label='μ=0, σ=1')
plt.hist(data2, bins=50, alpha=0.5, label='μ=2, σ=1')
# 添加标签和标题
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Normal Distribution')
# 添加图例
plt.legend()
# 显示图形
plt.show()
```
其中,`plt.hist()` 函数用于绘制直方图,参数 `bins` 指定直方图的箱子数,参数 `alpha` 指定透明度,参数 `label` 指定标签。`plt.xlabel()` 和 `plt.ylabel()` 函数用于添加横轴和纵轴标签,`plt.title()` 函数用于添加标题。最后,使用 `plt.legend()` 函数添加图例,使用 `plt.show()` 函数显示图形。
相关问题
import seaborn as sns import numpy as np np.random.seed(123) # a、服从μ=0,σ=1 的正态分布: data=np.random.randn(10000) # data sns.distplot(data) # b、服从μ=loc,σ=scale 的正态分布: #loc:正太分布的均值 scale:正太分布的标准差 size:设定数组形状 data2=np.random.normal(loc=2, scale=1, size=10000) data2 sns.distplot(data2) 这段代码改为用matplotlib绘制
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(123)
# a、服从μ=0,σ=1 的正态分布:
data = np.random.randn(10000)
plt.hist(data, bins=30, density=True)
# b、服从μ=loc,σ=scale 的正态分布:
# loc:正太分布的均值 scale:正太分布的标准差 size:设定数组形状
data2 = np.random.normal(loc=2, scale=1, size=10000)
plt.hist(data2, bins=30, density=True)
plt.show()
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn import tree
以下是使用import语句导入pandas、numpy、matplotlib.pyplot、seaborn和sklearn.tree的示例代码:
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import tree
```
- pandas是一个数据处理库,用于读取、处理和分析数据。
- numpy是一个数学库,用于处理数组和矩阵等数学运算。
- matplotlib.pyplot是一个绘图库,用于绘制各种类型的图表。
- seaborn是一个基于matplotlib的数据可视化库,提供了更高级别的界面和更多的图表类型。
- sklearn.tree是scikit-learn库中的一个模块,用于实现决策树算法。