matplot打印不同sigma下的高斯分布函数

Matplotlib是一个流行的Python数据可视化库，它可以帮助我们创建各种图表，包括绘制高斯分布（也称正态分布）。要在Matplotlib中打印不同σ（标准差）下的高斯分布，你可以按照以下步骤操作：

1. 首先，你需要导入所需的库：`import matplotlib.pyplot as plt` 和 `numpy`，因为计算高斯分布通常会用到 `numpy` 的 `random.normal()` 函数。

2. 定义不同的σ值，比如 `sigmas = [1, 2, 3]`。

3. 使用循环结构，对每个σ值生成对应的高斯分布数据。例如：

   n_points = 1000
   data = []
   for sigma in sigmas:
       data.append(np.random.normal(0, sigma, n_points))

4. 创建一个新的图形窗口，并设置x轴范围和标题：

   x = np.linspace(-10, 10, 400)
   fig, axs = plt.subplots(len(sigmas), figsize=(8, 6*len(sigmas)), sharex=True)
   if len(sigmas) == 1:
       axs = [axs]
   axs[0].set_title("Gaussian Distributions with Different Sigma")

5. 循环遍历每个σ值及其对应的数据，使用 `ax.plot(x, distribution)` 绘制分布曲线：

   for ax, d in zip(axs, data):
       ax.plot(x, d, label=f"σ={sigma:.1f}")
       ax.legend()

6. 显示图例并展示图形：

   axs[-1].legend()
   plt.tight_layout()  # 调整子图间的间距
   plt.show()