用python绘制正态分布坐标图

可以使用Python中的matplotlib库来绘制正态分布的坐标图。下面是一个简单的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成正态分布的数据
mu = 0  # 均值
sigma = 1  # 标准差
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)  # x轴数据

# 计算正态分布的概率密度函数
y = (1/(np.sqrt(2*np.pi)*sigma)) * np.exp(-(x-mu)**2 / (2*sigma**2))

# 绘制坐标图
plt.plot(x, y)
plt.title('Normal Distribution')
plt.xlabel('x')
plt.ylabel('Probability Density')
plt.grid(True)
plt.show()

这段代码将生成一个以x轴为横轴、概率密度为纵轴的正态分布坐标图。你可以根据自己的需求调整均值和标准差来生成不同形态的正态分布图。

相关问题

如何用python绘制正态分布图

很高兴回答你的问题！你可以使用Python的Matplotlib库来绘制正态分布图。下面给出一个简单的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 设置随机数种子，保证每次产生的随机数一样，方便对比
np.random.seed(42)

# 生成正态分布的数据
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')

# 设置标题和坐标轴标签
plt.title('Normal distribution')
plt.xlabel('Values')
plt.ylabel('Probability density')

# 显示图像
plt.show()

运行上面的代码，即可得到绘制的正态分布图。希望这对你有所帮助！

python绘制正态分布曲线

要在Python中绘制正态分布曲线，可以使用`matplotlib`库和`numpy`库来生成数据。下面是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
mu = 0  # 均值
sigma = 1  # 标准差
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)  # x轴范围
y = (1/(np.sqrt(2*np.pi)*sigma)) * np.exp(-0.5*((x-mu)/sigma)**2)  # 正态分布函数

# 绘制曲线
plt.plot(x, y)
plt.title('Normal Distribution')
plt.xlabel('x')
plt.ylabel('Probability density')
plt.show()

这段代码首先使用`numpy`库生成100个在指定范围内均匀分布的数据作为x轴，然后根据正态分布的公式计算对应的y轴数值，最后使用`matplotlib`库绘制曲线并添加标题和坐标轴标签。运行代码后，会显示一个正态分布曲线图。