使用Numpy和Matplotlib绘制正态分布图

在这篇文章中，我们将看到如何用numpy和matplotlib模块在python中创建一个正态分布图。

什么是正态分布

正态分布是统计学中使用的一个概率函数，它告诉人们数据值是如何分布的。它是统计学中最重要的概率分布函数，因为它在实际案例中具有优势。例如，人口的身高、鞋码、智商水平、掷骰子等等。

一般来说，当从独立来源随机收集数据时，数据分布是正常的。在X轴上画出变量的值，在Y轴上画出值的数量，所产生的图形是钟形曲线图。该图表明，峰值是数据集的平均值，数据集的一半数值位于平均值的左侧，另一半位于平均值的右侧，说明了数值的分布。该图是对称分布。

需要的模块

Numpy是一个通用的数组处理包。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。它是用Python进行科学计算的基本软件包。
除了其明显的科学用途外，Numpy还可以作为一个高效的多维通用数据容器。

Matplotlib是一个用于在Python中创建静态、动画和交互式可视化的绘图库。Matplotlib可以在Python脚本、Python和IPython shell、Web应用服务器以及各种图形用户界面工具包（如Tkinter、awxPython_等）中使用。

以下是一些使用Numpy和Matplotlib模块创建正态分布图的程序：

示例 1:

# importing numpy as np
import numpy as np
 
# importing pyplot as plt
import matplotlib.pyplot as plt
 
# position
pos = 100
# scale
scale = 5
 
# size
size = 100000
 
# creating a normal distribution data
values = np.random.normal(pos, scale, size)
 
# plotting histograph
plt.hist(values, 100)
 
# showing the graph
plt.show()

输出 :

示例 2:

# importing numpy as np
import numpy as np
 
# importing pyplot as plt
import matplotlib.pyplot as plt
 
# position
pos = 0
 
# scale
scale = 10
 
# size
size = 10000
 
 
# random seed
np.random.seed(10)
 
# creating a normal distribution data
values = np.random.normal(pos, scale, size)
 
# plotting histograph
plt.hist(values, 100)
 
# plotting mean line
plt.axvline(values.mean(), color='k', linestyle='dashed', linewidth=2)
 
# showing the plot
plt.show()

输出 :