49
A
回答
100
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()
29
我不认为有是做所有,在一个单一的通话功能。但是,您可以在scipy.stats
中找到高斯概率密度函数。
所以我能想出的最简单方法是:
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))
来源:
5
Unutbu的回答是正确的。 但becouse我们平均可多于或少于零我还是想改变这一点:
x = np.linspace(-3 * sigma, 3 * sigma, 100)
这样:
x = np.linspace(-3 * sigma + mean, 3 * sigma + mean, 100)
+1
你的意思是-3 * sigma + mean,3 * sigma +是什么意思? – SeF 2017-08-24 10:47:01
1
如果你喜欢使用一个循序渐进的方式,你可以考虑像下面的解决方案
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()
相关问题
- 1. from pylab import plot
- 2. pylab plot显示渐近线
- 3. 正态分布;铁python
- 4. Python - 计算正态分布
- 5. Plot实验数据分布
- 6. Python中分布的正态性测试
- 7. Python中的标准正态分布
- 8. Python 3.2统计正态分布
- 9. C++正态分布
- 10. 在正态分布
- 11. Java正态分布
- 12. DAX正态分布
- 13. 正态分布的matlab测试(非测试非正态分布)
- 14. 使用.csv文件在Python中绘制正态分布
- 15. 泊松分布或正态分布
- 16. 对数正态分布法
- 17. skeip正态分布在scipy
- 18. 并行正态分布
- 19. PHP:从正态分布
- 20. 频率为正态分布
- 21. R中的正态分布
- 22. Tensorflow:正态分布广播
- 23. 适合对数正态分布到已分箱的数据python
- 24. Python plot ticklabel overlapping
- 25. python(pandas?)live plot
- 26. Python Seaborn Plot ValueError
- 27. 平均数和在正常分布和对数正态分布
- 28. 蟒3.1 - 创建正态分布
- 29. scipy,对数正态分布 - 参数
- 30. php统计z分数正态分布
感谢您的更正,@ platinor。 – unutbu 2012-07-30 08:52:04
你的linspace参数真的很奇怪!最好做'''x = np.linspace(mu - 4 * sigma,mu + 4 * sigma,100)''' – Amen 2017-10-15 22:05:45
@Amen:是的,谢谢你的纠正。 – unutbu 2017-10-15 22:17:27