python模拟正态分布

可以使用Python的NumPy库来模拟正态分布。NumPy中有一个名为`numpy.random.normal()`的函数，可以生成指定均值和标准差的正态分布数据。

下面是一个简单的例子，生成1000个均值为0，标准差为1的正态分布数据，并绘制它们的直方图：

import numpy as np
import matplotlib.pyplot as plt

# 生成正态分布数据
mu, sigma = 0, 1 # 均值和标准差
data = np.random.normal(mu, sigma, 1000)

# 绘制直方图
count, bins, ignored = plt.hist(data, 30, density=True)

# 绘制拟合曲线
plt.plot(bins, 1/(sigma * np.sqrt(2*np.pi)) * np.exp(-(bins-mu)**2 / (2*sigma**2)), linewidth=2, color='r')

# 显示图形
plt.show()

输出的结果类似于下面的图表：