Python直方图绘制（与标准正态分布进行比较）

标准正态分布概率密度函数公式为：

代码：（直方图的参数在代码注释中）

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(-4.5,4.5,0.01)
def f(x):
    return (np.e)**(-x**2/2)/(2*np.pi)**0.5

samples=np.random.normal(0,1,size=1000000)

#直方图,用来展示samples中数据分布情况,横轴是数据,纵轴是出现的次数（也就是频数）
#bins:指定几条条状图
#normed=True表示进行归一化,即y轴数据全部除以最大值,使数据位于(0,1)之间,默认是False
#histtype='step'只显示直方图最外围一圈,不填默认是histtype='stepfilled'
bins=100

plt.plot(x,f(x),label='f(x)')
plt.hist(samples,bins=bins,density=True,histtype='stepfilled',label='bins=%s'%bins)
plt.legend(loc='upper left')
plt.show()

图形：

样本数：1000 ，bins=100：                                       样本数：10000，bins=100：

                

可以看出，样本太少会导致和标准正态分布曲线有差异，样本越大，差异越小

 

样本数：1000000（一百万），bins=10：                   样本数：1000000（一百万），bins=100：

                                                               

              

bins是 直方的个数，直方个数太少也不行

欢迎大佬批评指正，提建议，谢谢！！！

更多博客推荐：

基于u-net，cv2以及cnn的中文车牌定位，矫正和端到端识别软件

使用百度API和u-net进行车牌图片的自动标注