Python高斯分布概率密度函数绘制与可视化实战
发布时间：2026-10-13 |
6人浏览过
本文介绍如何在Python中利用Scipy和Matplotlib库绘制高斯分布的概率密度函数。通过调整均值和标准差参数，生成多子图对比不同分布形态，帮助开发者直观理解正态分布特性及可视化技巧。
高斯分布概率密度函数可视化实现
具体实现代码如下所示：
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats
from matplotlib import style
style.use('fivethirtyeight')
mu_params = [-1, 0, 1]
sd_params = [0.5, 1, 1.5]
x = np.linspace(-7, 7, 100)
f, ax = plt.subplots(len(mu_params), len(sd_params), sharex=True, sharey=True, figsize=(12,8))
for i in range(3):
for j in range(3):
mu = mu_params[i]
sd = sd_params[j]
y = stats.norm(mu, sd).pdf(x)
ax[i, j].plot(x, y)
ax[i, j].plot(0,0, label='mu={:3.2f}\nsigma={:3.2f}'.format(mu,sd), alpha=0)
ax[i, j].legend(fontsize=10)
ax[2,1].set_xlabel('x', fontsize=16)
ax[1,0].set_ylabel('pdf(x)', fontsize=16)
plt.suptitle('Gaussian PDF', fontsize=16)
plt.tight_layout()
plt.show()
以上就是Python中高斯分布概率密度函数的完整使用示例，供各位开发者参考。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
