python怎么实现正态分布

可以使用Python中的scipy.stats库来实现正态分布。

首先，需要导入库：

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

然后，定义均值和标准差：

mu = 0 # 均值
sigma = 1 # 标准差

接下来，可以生成一些随机数来观察其分布情况：

data = norm.rvs(size=1000, loc=mu, scale=sigma) # 生成1000个符合正态分布的随机数
plt.hist(data, bins=50, density=True, alpha=0.6, color='g') # 绘制直方图

最后，可以绘制正态分布的概率密度函数图来观察其分布情况：

x = np.linspace(norm.ppf(0.01,loc=mu,scale=sigma),norm.ppf(0.99,loc=mu,scale=sigma), 100) # 生成一些x值，用于绘制概率密度函数图
plt.plot(x, norm.pdf(x,loc=mu,scale=sigma), 'r-', lw=3, alpha=0.6, label='norm pdf') # 绘制概率密度函数图
plt.show() # 显示图像

完整代码如下：

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

mu = 0 # 均值
sigma = 1 # 标准差

data = norm.rvs(size=1000, loc=mu, scale=sigma) # 生成1000个符合正态分布的随机数
plt.hist(data, bins=50, density=True, alpha=0.6, color='g') # 绘制直方图

x = np.linspace(norm.ppf(0.01,loc=mu,scale=sigma),norm.ppf(0.99,loc=mu,scale=sigma), 100) # 生成一些x值，用于绘制概率密度函数图
plt.plot(x, norm.pdf(x,loc=mu,scale=sigma), 'r-', lw=3, alpha=0.6, label='norm pdf') # 绘制概率密度函数图

plt.show() # 显示图像

运行结果如下：