如何在 Python 中生成正态分布（附示例）.docx

如何在Python中生成正态分布（附示例）

您可以使用numpy.random.normal()函数在Python中快速生成正态分布，该函数使用以下语法：

numpy.random.normal(loc=0.0,scale=1.0,size=None)

在哪里：

loc：分布的平均值。默认值为0。

尺度：分布的标准差。默认值为1。

大小：样本大小。

本教程展示了如何使用此函数在Python中生成正态分布的示例。

?“钟形曲线”是正态分布形状的昵称，它具有明显的“钟形”形状：

本教程介绍如何用Python制作钟形曲线。

如何用Python创建钟形曲线

以下代码显示如何使用numpy、scipy和matplotlib库创建钟形曲线：

导入numpy作为np导入matplotlib.pyplot作为plt从scipy.stats导入范数#创建从-4到4的x值范围，增量为0.001

x=np.arange(-4,4,0.001)#创建与平均值=0且sd=1的正常pdf相对应的y值范围

y=范数.pdf(x,0,1)#定义情节

图,ax=plt.subplots(figsize=(9,6))

ax.plot(x,y)#选择绘图样式并显示钟形曲线

plt.style.use(Fivethirtyeight)

plt.show()

如何用Python填充钟形曲线

以下代码说明了如何填充钟形曲线下范围从-1到1的区域：

x=np.arange(-4,4,0.001)

y=范数.pdf(x,0,1)

图,ax=plt.subplots(figsize=(9,6))

ax.plot(x,y)#指定要填充的钟形曲线区域

x_fill=np.arange(-1,1,0.001)

y_fill=norm.pdf(x_fill,0,1)

ax.fill_Between(x_fill,y_fill,0,alpha=0.2,color=blue)

plt.style.use(Fivethirtyeight)

plt.show()

请注意，您还可以使用许多matplotlib?样式选项以任何您喜欢的方式设置图形样式。例如，您可以使用带有绿线和绿色阴影的“太阳能”主题：

x=np.arange(-4,4,0.001)

y=范数.pdf(x,0,1)

图,ax=plt.subplots(figsize=(9,6))

ax.plot(x,y,color=绿色)#指定要填充的钟形曲线区域

x_fill=np.arange(-1,1,0.001)

y_fill=norm.pdf(x_fill,0,1)

ax.fill_Between(x_fill,y_fill,0,alpha=0.2,color=绿色)

plt.style.use(Solarize_Light2)

plt.show()

示例：在Python中生成正态分布

以下代码展示了如何在Python中生成正态分布：

fromnumpy.randomimportseedfromnumpy.randomimportnormal

#makethisexamplereproducibleseed(1)

#generatesampleof200valuesthatfollowanormaldistributiondata=normal(loc=0,scale=1,size=200)

#viewfirstsixvaluesdata[0:5]

importnumpyasnp

#findmeanofsamplenp.mean(data)

0.1066888148479486

#findstandarddeviationofsamplenp.std(data,ddof=1)

0.9123296653173484

我们还可以创建一个快速直方图来可视化数据值的分布：

importmatplotlib.pyplotasplt

count,bins,ignored=plt.hist(data,30)

plt.show()

我们甚至可以执行Shapiro-Wilk测试来查看数据集是否来自正常人群：

fromscipy.statsimportshapiro

#performShapiro-Wilktestshapiro(data)

ShapiroResult(statistic=0.9958659410,pvalue=0.8669