使用Numpy和Matplotlib绘制正态分布图 |
您所在的位置：网站首页 › 二维正态分布图像怎么画 › 使用Numpy和Matplotlib绘制正态分布图 |
使用Numpy和Matplotlib绘制正态分布图
|
好的。首先，我们需要简单介绍一下Numpy和Matplotlib这两个库。 NumpyNumPy（Numerical Python）是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，同时也针对数组运算提供大量的数学函数库。这是 Python 语言的开源软件之一，也是数据分析、数据处理和科学计算等领域最常用的库之一。 MatplotlibMatplotlib 是 Python 编程语言及其数值数学扩展库 NumPy 的可视化操作界面，它为利用 Python 的强大编程语言和丰富的科学计算库，可生成各种硬拷贝格式和交互式环境可视化，2D 图表的软件包。 接下来我们来介绍如何使用 Numpy 和 Matplotlib 绘制正态分布图： 1. 导入库首先，我们需要导入相关的库，即 Numpy 和 Matplotlib。 import numpy as np import matplotlib.pyplot as plt 2. 生成正态分布的数据接下来，我们需要生成正态分布的数据。这里我们使用 Numpy 库中的 random 模块，调用 randn() 方法生成一定数量的随机数。这些随机数将服从标准正态分布，即均值为0，标准差为1。 data = np.random.randn(1000) 3. 绘制直方图接下来，我们利用 Matplotlib 库来将数据绘制成直方图。Matplotlib 库中的 hist() 方法，可以用于绘制直方图。下面的代码将绘制出 30 个区间的直方图，并将数据标准化。 plt.hist(data, bins=30, density=True, alpha=0.5, color='red') plt.show()其中，bins 参数指定直方图的区间数量，density 参数指定是否标准化数据，alpha 参数指定透明度，color 参数指定颜色。 4. 绘制密度曲线接下来，我们将绘制正态分布的密度曲线。我们可以使用 Scipy 库中的 stats 模块中的 norm() 方法来计算正态分布的密度分布。下面的代码将绘制正态分布的密度分布，并与直方图叠加在一起。 from scipy.stats import norm x = np.linspace(-4, 4, 100) plt.plot(x, norm.pdf(x), 'b-', lw=2, alpha=0.5) plt.hist(data, bins=30, density=True, alpha=0.5, color='red') plt.show()其中，norm() 方法中的参数分别代表分布的均值和标准差（默认为0和1）。x = np.linspace(-4, 4, 100) 创建了一系列 x 值，覆盖了从 -4 到 4 的范围，包含 100 个值。plt.plot(x, norm.pdf(x), 'b-', lw=2, alpha=0.5) 绘制了密度函数的图像，其中 'b-' 表示使用蓝色实线，lw=2 表示使用宽度为 2 的线条，alpha=0.5 表示线条的透明度为 0.5。 最后的效果如下所示： 
示例1
接下来，我们将介绍如何根据一组数据的均值和方差绘制正态分布图。 import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm mean = 10 std = 3 data = np.random.normal(mean, std, size=1000) x = np.linspace(mean - 3*std, mean + 3*std, 100) plt.plot(x, norm.pdf(x, mean, std), 'r-', lw=2, alpha=0.6) plt.hist(data, bins=30, density=True, alpha=0.5, color='blue') plt.show()首先，我们定义一个均值和方差分别为 10 和 3 的正态分布，使用 Numpy 库中的 random.normal() 方法来生成一组有 1000 个数据的样本数据。接下来，我们使用 scipy.stats.norm.pdf() 方法来计算均值为 10，标准差为 3 的正态分布密度分布，并将其与样本数据一起绘制。最后的效果如下所示：
示例2
接下来，我们将展示如何在一个图中绘制多组正态分布图。 import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm data1 = np.random.normal(5, 1.5, size=1000) data2 = np.random.normal(10, 2, size=1000) data3 = np.random.normal(15, 2.5, size=1000) x = np.linspace(0, 25, 100) plt.plot(x, norm.pdf(x, 5, 1.5), 'b-', lw=2, label='mean=5, std=1.5') plt.plot(x, norm.pdf(x, 10, 2), 'r-', lw=2, label='mean=10, std=2') plt.plot(x, norm.pdf(x, 15, 2.5), 'g-', lw=2, label='mean=15, std=2.5') plt.hist(data1, bins=30, density=True, alpha=0.3, color='blue') plt.hist(data2, bins=30, density=True, alpha=0.3, color='red') plt.hist(data3, bins=30, density=True, alpha=0.3, color='green') plt.legend(loc='best') plt.show()首先，我们生成了三组均值和方差不同的正态分布数据，分别为均值为 5，标准差为 1.5；均值为 10，标准差为 2；均值为 15，标准差为 2.5。接下来，我们使用 scipy.stats.norm.pdf() 方法来计算这三个正态分布的密度分布，并将其绘制在同一张图中。同时，我们使用 hist() 方法，将这三组数据绘制成直方图，最后的效果如下所示：
以上是使用 Numpy 和 Matplotlib 绘制正态分布图的完整攻略，希望对你有所帮助。 本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：使用Numpy和Matplotlib绘制正态分布图 - Python技术站 |
【本文地址】
今日新闻 |
推荐新闻 |