正態分佈（normal distribution）又成為高斯分布（gaussian distribution）
若隨機變數x服從乙個數學期望為
、標準方差為
的高斯分布，記為：
則其概率密度函式為：
正態分佈的期望值
決定了其位置，其標準差
決定了分布程式設計客棧的幅度。因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是
的正態分佈：
概率密度函式
**實現：
# python實現正態分佈
# 繪製正態分佈概率密度函式
u = 0 # 均值
u01 = -2
sig = math.sqrt(0.2) # 標準差
sig01 = math.sqrt(1)
sig02 = math.sqrt(5)
sig_u01 = math.sqrt(0.5)
x = np.linspace(u - 3*sig, u + 3*sig, 50)
x_01 = np.linspace(u - 6 * sig, u + 6 * sig, 50)
x_02 = nyncklhuvfp.linspace(u - 10 * sig, u + 10 * sig, 50)
x_u01 = npyncklhuvf.linspace(u - 10 * sig, u + 1 * sig, 50)
y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig)
y_sig01 = np.exp(-(x_01 - u) ** 2 /(2* sig01 **2))/(math.sqrt(2*math.pi)*sig01)
y_sig02 = np.exp(-(x_02 - u) ** 2 / (2 * sig02 ** 2)) / (math.sqrt(2 * math.pi) * sig02)
y_sig_u01 = np.exp(-(x_u01 - u01) ** 2 / (2 * sig_u01 ** 2)) / (math.sqrt(2 * math.pi) * sig_u01)
plt.plot(x, y_sig, "r-", linewidth=2)
plt.plot(x_01, y_sig01, "g-", linewidth=2)
plt.plot(x_02, y_sig02, "b程式設計客棧-", linewidth=2)
plt.plot(x_u01, y_sig_u01, "m-", linewidth=2)
# plt程式設計客棧.plot(x, y, 'r-', x, y, 'go', linewidth=2,markersize=8)
plt.grid(true)
plt.show()
本文標題: python資料視覺化實現正態分佈（高斯分布）
本文位址:
Python 資料視覺化
資料視覺化指的是通過視覺化表示來探索資料，它與資料探勘緊緊相關，而資料探勘指的是使用 來探索資料集的規律和關聯。資料集可以是用一行 就能表示的小型數字列表，也可以是數以吉位元組的資料。漂亮地呈現資料關乎的並非僅僅是漂亮的。以引人注目的簡潔方式呈現資料，讓人能夠明白其含義，發現資料集中原本未意識到的規...
pyecharts實現資料視覺化
本文講述了乙個非常炫酷的視覺化工具以及本萌新試驗中遇到的問題和解決方法。git clone cd pyecharts pip install r requirements.txt python setup.py install import sys from pyecharts.charts imp...
matplot pandas 實現資料視覺化 基礎
import pandas as pd import numpy as np import matplotlib.pyplot as plt e file pd.excelfile 7月下旬入庫表.xlsx 開啟的sheet表名稱 data e file.parse 7月下旬入庫表 行首 列頭 數值...