Основният проблем, свързан с изобразяването на нормално разпределение в Python, е, че може да бъде трудно точното представяне на данните. Нормалното разпределение е непрекъснато вероятностно разпределение, което означава, че има безкраен брой възможни стойности и следователно не може да бъде точно представено от краен набор от точки. Освен това, когато се чертае нормалното разпределение, е важно да се гарантира, че осите са правилно мащабирани, така че данните да могат да бъдат правилно интерпретирани. И накрая, може да има проблеми и с определянето кой тип диаграма (напр. хистограма или линейна графика) представя най-добре данните.
import matplotlib.pyplot as plt import numpy as np mu, sigma = 0, 0.1 # mean and standard deviation s = np.random.normal(mu, sigma, 1000) count, bins, ignored = plt.hist(s, 30, density=True) plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (bins - mu)**2 / (2 * sigma**2) ),linewidth=2, color='r') plt.show()
1. Импортирайте библиотеката matplotlib и й присвоете псевдонима „plt“.
2. Импортирайте библиотеката numpy и й присвоете псевдонима „np“.
3. Задайте 0 на mu (средно) и 0.1 на сигма (стандартно отклонение).
4. Създайте масив от 1000 произволни числа със средна стойност mu и стандартно отклонение на сигма, като използвате произволната нормална функция на numpy и го присвоете на променлива s.
5. Използвайте функцията hist на plt, за да създадете хистограма от масив s, с 30 контейнера, и задайте плътност на True за оценка на плътността на вероятността.
6. Начертайте линия върху хистограмата, като използвате функцията за графика на plt, с интервали като стойности на оста x, 1/(сигма * np.sqrt(2 * np.pi)) *np.exp( – (bins – mu) **2 / (2 * сигма**2)) като стойности на оста y, ширина на линията, зададена на 2, и цвят, зададен на червено („r“).
7. Покажете графиката с помощта на функцията за показване на plt
Графична библиотека
Python разполага с различни библиотеки за чертане, които могат да се използват за създаване на визуализации на данни. Matplotlib е най-популярната библиотека за чертане в Python и предоставя широк набор от функции за създаване на различни типове графики. Seaborn е друга популярна библиотека, която е изградена върху Matplotlib и предоставя допълнителни функции като цветови палитри, статистически функции и стил на графика. Bokeh е друга библиотека, която се фокусира върху интерактивна визуализация, позволявайки на потребителите да създават интерактивни графики с плъзгачи, бутони и други джаджи. Plotly е по-нова библиотека, която предлага както статични, така и интерактивни графики с възможност за експортирането им като HTML или JavaScript файлове.
Какво е нормална крива на разпределение
Кривата на нормалното разпределение в Python е графично представяне на вероятностно разпределение, което следва нормалното (или Гаусово) разпределение. Това е симетрична крива с форма на камбана, която се определя от нейната средна стойност и стандартно отклонение. Нормалното разпределение има няколко свойства, като например да е унимодално, да е симетрично спрямо средната стойност, да има фиксирана площ под кривата и да има крайна дисперсия. В Python този тип графика може да се генерира с помощта на библиотеката matplotlib.
Как да начертая нормално разпределение
За да начертаете нормално разпределение в Python, можете да използвате библиотеката matplotlib. Първо импортирайте библиотеката и задайте размера на фигурата:
импортирайте matplotlib.pyplot като plt
plt.rcParams[“figure.figsize”] = (10,7)
След това дефинирайте средната стойност и стандартното отклонение на вашите данни:
средно = 0
std = 1
След това създайте диапазон от стойности на x от -4σ до 4σ:
x = np.linspace(-4*std, 4*std, 100) # 100 линейно разположени числа от -4σ до 4σ
y = 1/(np.sqrt(2*np.pi)*std)*np.exp(-0.5*((x-mean)/std)**2) # уравнение на нормалното разпределение
И накрая, начертайте данните с помощта на функцията за графика на matplotlib:
plt.plot(x, y) # График на нашите данни
plt.title(“Нормално разпределение”) # Добавяне на заглавие към нашата графика
plt.show() # Показване на нашата графика
