使用 Numpy 和 Matplotlib 的正态分布图
原文:https://www . geeksforgeeks . org/normal-distribution-plot-use-numpy-and-matplotlib/
在本文中，我们将看到如何使用 numpy 和 matplotlib 模块在 python 中创建正态分布图。
什么是正态分布？
正态分布是统计学中使用的概率函数，讲述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，因为它在实际场景中具有优势。比如人口的身高，鞋码，智商水平，擀一个模具，等等很多。
一般观察到，当从独立来源随机收集数据时，数据分布是正常的。在绘制 x 轴上的变量值和 y 轴上的值的计数之后产生的图形是钟形曲线图。该图表示峰值点是数据集的平均值，并且数据集的一半值位于平均值的左侧，另一半位于平均值的右侧，表示值的分布。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，以及使用这些数组的工具。它是使用 Python 进行科学计算的基本包。 除了有明显的科学用途外， Numpy 还可以作为通用数据的高效多维容器。
Matplotlib 是一个用 Python 创建静态、动画和交互式可视化的绘图库。 Matplotlib 可以用在 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中，如 Tkinter、awxPython 等。
下面是一些使用 Numpy 和 Matplotlib 模块创建正态分布图的程序:
例 1:
Python 3
# 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:
例 2:
Python 3
# 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:
版权属于：月萌API www.moonapi.com，转载请注明出处
