場景：已知mean和variance，繪制正態(tài)分布曲線。

import numpy as np import matplotlib.pyplot as plt import pandas as pd import math#正態(tài)分布的概率密度函數(shù)?？梢岳斫獬?x 是 mu（均值）和 sigma（標(biāo)準(zhǔn)差）的函數(shù) def normfun(x,mu,sigma):pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi))return pdfmu = 32.86 sigma =1.93 # Python實(shí)現(xiàn)正態(tài)分布 # 繪制正態(tài)分布概率密度函數(shù) x = np.linspace(mu - 3*sigma, mu + 3*sigma, 50) y_sig = np.exp(-(x - mu) ** 2 /(2* sigma **2))/(math.sqrt(2*math.pi)*sigma) plt.plot(x, y_sig, "r-", linewidth=2) plt.vlines(mu, 0, np.exp(-(mu - mu) ** 2 /(2* sigma **2))/(math.sqrt(2*math.pi)*sigma), colors = "c", linestyles = "dashed") plt.vlines(mu+sigma, 0, np.exp(-(mu+sigma - mu) ** 2 /(2* sigma **2))/(math.sqrt(2*math.pi)*sigma), colors = "k", linestyles = "dotted") plt.vlines(mu-sigma, 0, np.exp(-(mu-sigma - mu) ** 2 /(2* sigma **2))/(math.sqrt(2*math.pi)*sigma), colors = "k", linestyles = "dotted") plt.xticks ([mu-sigma,mu,mu+sigma],['μ-σ','μ','μ+σ']) plt.xlabel('Frequecy') plt.ylabel('Latent Trait') plt.title('Normal Distribution: $\mu = %.2f, $sigma=%.2f'%(mu,sigma)) plt.grid(True) plt.show()

總結(jié)

以上是生活随笔為你收集整理的python绘制正态分布曲线的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。