python生成直方图和拟合曲线

可以使用Python中的matplotlib库来生成直方图和拟合曲线。以下是一个简单的示例代码：

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

# 生成随机数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.5)

# 拟合正态分布曲线
mu, std = norm.fit(data)
x = np.linspace(-5, 5, 100)
p = norm.pdf(x, mu, std)
plt.plot(x, p, 'k', linewidth=2)

# 显示图像
plt.show()

这段代码将生成一个包含随机数据的直方图，并在其上拟合一个正态分布曲线。

相关问题

用Python根据‘新生数据.xls’，分别绘制： 男生身高分布直方图和拟合曲线； 女生身高分布直方图和拟合曲线；

好的，我可以为您完成这个任务。以下是Python代码：

import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import norm
from scipy.optimize import curve_fit

# 读取数据
data = pd.read_excel('新生数据.xls')

# 分别获取男生和女生的身高数据
male_height = data[data['性别'] == '男']['身高']
female_height = data[data['性别'] == '女']['身高']

# 绘制男生身高分布直方图和拟合曲线
plt.hist(male_height, bins=20, density=True, alpha=0.5, color='blue')
mu, std = norm.fit(male_height)
x = np.linspace(male_height.min(), male_height.max(), 100)
p = norm.pdf(x, mu, std)
plt.plot(x, p, 'k', linewidth=2)
plt.title('Male Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Probability Density')
plt.show()

# 绘制女生身高分布直方图和拟合曲线
plt.hist(female_height, bins=20, density=True, alpha=0.5, color='pink')
mu, std = norm.fit(female_height)
x = np.linspace(female_height.min(), female_height.max(), 100)
p = norm.pdf(x, mu, std)
plt.plot(x, p, 'k', linewidth=2)
plt.title('Female Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Probability Density')
plt.show()

这段代码会生成两个图表，分别是男生身高分布直方图和拟合曲线，以及女生身高分布直方图和拟合曲线。其中，直方图显示了身高数据的分布情况，拟合曲线则是使用正态分布函数对数据进行拟合得到的。

python直方图中显示拟合曲线

要在Python的直方图中显示拟合曲线，可以使用Matplotlib库中的plt.plot()函数。首先，你需要使用Numpy库中的np.histogram()函数生成直方图数据。然后，你可以使用Scipy库中的拟合函数来拟合曲线，并将拟合结果传递给plt.plot()函数以在直方图上绘制拟合曲线。下面是一个示例代码：

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

# 生成1000个随机数
data = np.random.randn(1000)

# 生成直方图数据
hist, bins = np.histogram(data, bins=30, density=True)

# 计算正态分布的拟合曲线
mu, std = norm.fit(data)
pdf = norm.pdf(bins, mu, std)

# 绘制直方图和拟合曲线
plt.hist(data, bins=30, density=True, alpha=0.6)
plt.plot(bins, pdf, 'r--', linewidth=2)
plt.show()

在这个示例中，我们使用Numpy的np.random.randn()函数生成1000个随机数，并使用np.histogram()函数生成30个直方区间的直方图数据。然后，我们使用Scipy库中的norm.fit()函数计算正态分布的拟合曲线的参数，并使用norm.pdf()函数生成拟合曲线的数据。最后，我们使用plt.hist()函数绘制直方图，使用plt.plot()函数绘制拟合曲线，并使用plt.show()函数显示图形。