利用Numpy产生正态分布图，理解下面代码，并给每行代码进行注释

import numpy as np
import matplotlib.pyplot as plt

# 生成10000个符合正态分布的随机数，均值为0，标准差为1
data = np.random.normal(0, 1, 10000)

# 画出直方图
plt.hist(data, bins=100)

# 显示图像
plt.show()

解释：
1. 导入NumPy和Matplotlib库。
2. 生成一个包含10000个随机数的一维数组，这些随机数符合均值为0，标准差为1的正态分布。这里使用了Numpy的`random.normal()`函数。
3. 用Matplotlib的`hist()`函数画出直方图，将数据分成100个区间（即100个柱子）。
4. 用Matplotlib的`show()`函数显示图像。

相关问题

利用Numpy产生正态分布图

以下是利用Numpy产生正态分布图的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
mu, sigma = 0, 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')

# 添加标题和标签
plt.title('Normal distribution')
plt.xlabel('Value')
plt.ylabel('Probability density')

# 显示图像
plt.show()

运行以上代码，就可以生成一个正态分布图，如下图所示：


numpy 正态分布

Numpy中的正态分布函数可以通过np.random.randn()或np.random.normal()来生成。np.random.randn()是根据标准正态分布生成随机数，可以指定生成的矩阵的形状，例如np.random.randn(3,5)将生成一个3行5列的标准正态分布随机数矩阵。而np.random.normal()可以根据指定的均值、标准差和形状生成符合正态分布的随机数，例如np.random.normal(loc=170, scale=5, size=(2,5))将生成一个均值为170，标准差为5，形状为2行5列的正态分布随机数矩阵。