python pylab plot正態分佈

Question

給定一個均值和方差，是否有一個簡單的pylab函數調用會繪製一個正態分佈？

或者我需要自己做一個嗎？

Answer 1

import matplotlib.pyplot as plt 
import numpy as np 
import matplotlib.mlab as mlab 
import math 

mu = 0 
variance = 1 
sigma = math.sqrt(variance) 
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) 
plt.plot(x,mlab.normpdf(x, mu, sigma)) 
plt.show() 

Answer 2

我不認爲有是做所有，在一個單一的通話功能。但是，您可以在scipy.stats中找到高斯概率密度函數。

所以我能想出的最簡單方法是：

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

# Plot between -10 and 10 with .001 steps. 
x_axis = np.arange(-10, 10, 0.001) 
# Mean = 0, SD = 2. 
plt.plot(x_axis, norm.pdf(x_axis,0,2)) 

來源：

• http://www.johndcook.com/distributions_scipy.html
• http://docs.scipy.org/doc/scipy/reference/stats.html
• http://telliott99.blogspot.com/2010/02/plotting-normal-distribution-with.html

Answer 3

Unutbu的回答是正確的。 但becouse我們平均可多於或少於零我還是想改變這一點：

x = np.linspace(-3 * sigma, 3 * sigma, 100) 

這樣：

x = np.linspace(-3 * sigma + mean, 3 * sigma + mean, 100) 

Answer 4

如果你喜歡使用一個循序漸進的方式，你可以考慮像下面的解決方案

import numpy as np 
import matplotlib.pyplot as plt 

mean = 0; std = 1; variance = np.square(std) 
x = np.arange(-5,5,.01) 
f = np.exp(-np.square(x-mean)/2*variance)/(np.sqrt(2*np.pi*variance)) 

plt.plot(x,f) 
plt.ylabel('gaussian distribution') 
plt.show()