如何使用 python matplotlib 绘制正态分布的直方图？

Question

我的问题是 - 使用 NumPy 函数 np.random.randn 为 100,000 点的正态分布生成数据 x。 然后 plot 一个直方图。

我的计算是 -

x = sp.norm.pdf(np.random.randn(100000))
plt.hist(x, bins = 20, facecolor='blue', alpha=0.5)

有什么问题，因为我无法获得正态分布的直方图吗？

Answer 1

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(100_000)
plt.hist(x, bins=20, facecolor="blue", alpha=0.5)

plt.show()

Answer 2

要从标准正态分布中获取 N 个随机样本，您可以使用np.random.randn(N)或 scipy 的stats.norm.rvs(size=N) 。 然后这些样本可用于创建直方图。

要绘制曲线，可以使用stats.norm.pdf(y) ，其中y是一系列后续 x 值。 这样的pdf是归一化的，即 plot 下的面积为 1。直方图的总面积是样本数乘以 bin 的宽度（每个样本正好落在一个 bin 中）。 因此，将 pdf 乘以该因子会将其缩放到直方图的高度。

stats.norm.pdf(np.random.randn(N))的结果将是 N 个随机样本的概率列表。 大多数样本最终会接近曲线的中心（在y = 0处），其中 pdf 的高度约为0.40 。 这解释了该最大值附近的高峰值。

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

N = 100000
# x = np.random.randn(N)
x = stats.norm.rvs(size=N)
num_bins = 20
plt.hist(x, bins=num_bins, facecolor='blue', alpha=0.5)

y = np.linspace(-4, 4, 1000)
bin_width = (x.max() - x.min()) / num_bins
plt.plot(y, stats.norm.pdf(y) * N * bin_width)

plt.show()

Answer 3

'import numpy as np
import seaborn as sns
N = 1000
x = np.random.randn(N)
sns.histplot(x,bins=20,kde=True,color='red')'

使用 seaborn 的 histplot