pthyon画正态分布图
时间: 2023-07-23 15:57:19 浏览: 36
要在Python中绘制正态分布图,你可以使用`matplotlib`库和`numpy`库来生成正分布数据。下面是一个简单的例代码:
```python
import numpy as np
import matplotlib.pyplot as plt
# 正态分布数据
mean = 0 # 平均值
std_dev = 1 # 标准差
data = np.random.normal(mean, std_dev, 1000)
# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.5, color='g')
# 绘制正态分布曲线
x = np.linspace(data.min(), data.max(), 100)
y = 1/(std_dev * np.sqrt(2 * np.pi)) * np.exp(-(x - mean)**2 / (2 * std_dev**2))
plt.plot(x, y, color='r')
# 设置图形标题和坐标轴标签
plt.title('Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Density')
# 显示图形
plt.show()
```
运行以上代码将生成一个包含正态分布直方图和曲线的图形。注意,这里使用了`numpy.random.normal`函数生成随机的正态分布数据,并使用`numpy`库计算正态分布曲线的值。
相关问题
python画正态分布图
要画正态分布图,我们需要使用Python中的numpy和matplotlib库。以下是一个简单的示例代码:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成随机数据
data = np.random.normal(0, 1, 10000)
# 绘制直方图
plt.hist(data, bins=50, density=True, alpha=0.6, color='g')
# 绘制密度曲线
density = (1 / (np.sqrt(2 * np.pi))) * np.exp(-0.5 * (data ** 2))
plt.plot(data, density, color='r', linewidth=2)
# 添加标题和标签
plt.title('Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Density')
# 显示图形
plt.show()
```
在这个例子中,我们使用numpy的random模块生成10000个随机数,这些随机数符合均值为0,标准差为1的正态分布。然后,我们使用matplotlib的hist函数绘制这些数据的直方图,并使用density参数将它转换为概率密度直方图。接着,我们使用numpy计算密度曲线,并使用matplotlib的plot函数将其绘制在直方图上。最后,我们添加标题和标签,并使用show函数显示图形。
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。