Python 3.x Python-用数据列表绘制正态分布线

我正在从事电气工程项目，该项目需要绘制数据列表的正态分布

我们随机测量了30个电阻器的电阻并记录下来

X=[14.95,14.94,14.92,14.98,16.53,14.96,16.20,14.32,15.32,14.25,15.36,14.95,15.13,14.26,14.94,15.6， 15.20,14.94,15.02,15,14.62,14.94,14.94,14.98,15.12,15.06,14.95,14.96,15.13,15.20]

我想得到这样的图：

但我得到的图是这样的：

我必须在数据接近平均值的图形中获得更多的值

这是我目前使用的代码：

将numpy导入为np
从matplotlib导入pyplot作为plt
输入数学
X=[14.95,14.94,14.92,14.98,16.53,14.96,16.20,14.32,15.32,14.25,15.36,14.95,15.13,14.26,14.94,15.6，
15.20, 14.94, 15.02, 15, 14.62, 14.94, 14.94, 14.98, 15.12, 15.06, 14.95, 14.96, 15.13, 15.20]
X=np.sort（X）
平均值=np.平均值（X）
西格玛=0
对于X中的i：
sigma+=np.平方（平均值-i）
sigma=np.sqrt（sigma/（len（X）-1））
def func（x）：
返回np.exp（np.square（x-均值）/（2*np.square（sigma））/np.sqrt（2*math.pi*sigma）
Y=[]
对于X中的i：
Y.append（func（i））
plt.绘图（X，Y，marker='o'，color='b'）
plt.show（）

假设我正确理解了您的问题，我认为您只是试图添加更多数据点以生成正态分布曲线

mu = np.mean(X)
sigma = np.std(X) #You manually calculated it but you can also use this built-in function
data = np.random.normal(mu, sigma, SIZE_OF_DATA_YOU_NEED)

然而，如果你也只是试图形成正态分布曲线，你不能仅仅根据概率密度函数绘制每个值

试一试

可能也想将X与新数据点连接起来

希望这能在某种程度上有所帮助，同时附加到numpy.random.normal（）的链接，以防它在某种程度上有所帮助（）

count, bins, ignored = plt.hist(data, 30, normed=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()