Matplotlib 是否有方法将法线曲线拟合到点？

作为一个小项目，我已经做了一个程序，掷骰子的次数是nt。每次掷骰子时，它将骰子的结果相加，并将其添加到列表中。最后用matplot表示数据

import random
from collections import Counter
import matplotlib.pyplot as plt

nd = int(input("Insert number of dice: ")) 
nt = int(input("Insert number of throws: "))
print(nd, " dice thrown ", nt, " times")
print("Generating sums, please hold....")
c = 0
i = 0
sum = 0
sums = []
while nt >= i :
    while nd >= c:
        g = random.randint(1, 6)
        sum = sum + g
        c += 1
    sums.append(sum)
    i = i+1
    c=0
    sum = 0
    print("Throw ", i, " of ", nt)
sums.sort()
max = max(sums)
min = min(sums)
print("||Maximum result: ", max, " ||Minimum result: ", min)

print("Now ordering results")

f = Counter(sums)
y = list(f.values())
x = list(f.keys())
print("Rappresenting results")

plt.plot(x, y)
plt.xlabel("Risultati")
plt.ylabel("Frequenza")
plt.title("Distribuzione delle somme")
plt.grid(True)
plt.tight_layout()
plt.show()

结果图如下所示：

---

我想知道如何将高斯曲线拟合到点，以便使图形更清晰

总和的平均值和标准偏差是高斯正态分布所需的参数。发行版的pdf区域为

1

。要将其缩放到与直方图相同的大小，需要将其与输入值的数量相乘（

len（sums）

）

将代码转换为与numpy阵列一起使用，使一切都变得更快：

将numpy导入为np
从收款进口柜台
将matplotlib.pyplot作为plt导入
从scipy.stats导入norm
nd=10000#int（输入（“插入骰子数：））
nt=10000#int（输入（“插入抛出次数：”）
打印（nd，“掷骰子”，nt，“时报”）
打印（“生成总额，请稍候…”）
总和=np.zero（nt，dtype=np.int）
对于范围内的i（nt）：
和[i]=np.sum（np.random.randint（1，7，nd））
sums.sort（）
xmax=sums.max（）
xmin=sums.min（）
打印（“| |最大结果：，xmax，| |最小结果：，xmin）
打印（“现在订购结果”）
f=计数器（总和）
y=列表（f.值（））
x=列表（f.键（））
打印（“打印结果”）
平面图（x，y）
平均值=总和。平均值（）
std=总和。std（）
xs=np.arange（xmin，xmax+1）
plt.绘图（xs，norm.pdf（xs，平均值，标准）*len（总和），颜色为红色，alpha=0.7，lw=3）
利润率（x=0）
plt.xlim（xmin，xmax）
plt.ylim（ymin=0）
plt.紧_布局（）
plt.show（）

PS：这里有一些代码添加到问题代码中，仅使用numpy计算平均值和标准偏差。（请注意，当您使用

sum

作为变量名时，尝试使用Python的

sum（）

函数时会出现错误。因此，强烈建议避免命名变量，如

sum

和

max

）

def（x）：
返回标准.pdf（x，平均值，标准）*len（总和）
平均值=np.平均值（总和）
标准=np.标准（总和）
xs=范围（xmin，xmax+1）
ys=[f（x）表示x中的x]
plt.绘图（xs，ys，颜色为红色，lw=3）

总和的平均值和标准偏差是高斯正态分布所需的参数。发行版的pdf区域为

1

。要将其缩放到与直方图相同的大小，需要将其与输入值的数量相乘（

len（sums）

）

将代码转换为与numpy阵列一起使用，使一切都变得更快：

将numpy导入为np
从收款进口柜台
将matplotlib.pyplot作为plt导入
从scipy.stats导入norm
nd=10000#int（输入（“插入骰子数：））
nt=10000#int（输入（“插入抛出次数：”）
打印（nd，“掷骰子”，nt，“时报”）
打印（“生成总额，请稍候…”）
总和=np.zero（nt，dtype=np.int）
对于范围内的i（nt）：
和[i]=np.sum（np.random.randint（1，7，nd））
sums.sort（）
xmax=sums.max（）
xmin=sums.min（）
打印（“| |最大结果：，xmax，| |最小结果：，xmin）
打印（“现在订购结果”）
f=计数器（总和）
y=列表（f.值（））
x=列表（f.键（））
打印（“打印结果”）
平面图（x，y）
平均值=总和。平均值（）
std=总和。std（）
xs=np.arange（xmin，xmax+1）
plt.绘图（xs，norm.pdf（xs，平均值，标准）*len（总和），颜色为红色，alpha=0.7，lw=3）
利润率（x=0）
plt.xlim（xmin，xmax）
plt.ylim（ymin=0）
plt.紧_布局（）
plt.show（）

PS：这里有一些代码添加到问题代码中，仅使用numpy计算平均值和标准偏差。（请注意，当您使用

sum

作为变量名时，尝试使用Python的

sum（）

函数时会出现错误。因此，强烈建议避免命名变量，如

sum

和

max

）

def（x）：
返回标准.pdf（x，平均值，标准）*len（总和）
平均值=np.平均值（总和）
标准=np.标准（总和）
xs=范围（xmin，xmax+1）
ys=[f（x）表示x中的x]
plt.绘图（xs，ys，颜色为红色，lw=3）

好吧，如果你计算结果的平均值和标准偏差，然后根据定义定义最佳拟合高斯曲线。你需要缩放垂直轴，使两条曲线对齐——基本上你需要确保经验曲线下的面积为1。好吧，如果你计算结果的平均值和标准偏差，然后根据定义定义最佳拟合高斯曲线。您需要缩放垂直轴以使两条曲线对齐——基本上您需要确保经验曲线下的面积为1。感谢您的建议，但我不清楚xs变量的用途。

xs

是创建x轴上有

xs

和

f（xs）的曲线所需的x值数组

位于y轴上（其中

f（）

是所需的高斯法线）。这是使用matplotlib和numpy打印函数的标准方法。如果没有numpy，您将使用类似于

xs=range（xmin，xmax+1）

和

ys=[f（x）表示xs中的x]

。如果这回答了您的问题，您可能会考虑投票和/或标记答案。谢谢您的建议，但我不清楚XS变量是什么。<代码> xs>代码>是x轴上创建一个x值的数组，需要在x轴上创建代码：<代码> f（xs）< /> > y轴（其中<代码> f>（<）/代码>是期望的高斯常态）。这是使用matplotlib和numpy打印函数的标准方法。如果没有NUMPY，你会使用诸如<代码> xs=范围（xmin，xMAX + 1）和<代码> ys= [f（x），用于xs[xs] < /代码>。如果这回答了你的问题，你可以考虑将投票和/或标记为答案。