Python SciPy中的概率密度函数的行为与预期不同

我试图用Python绘制正态分布曲线。首先，我使用正态概率密度函数手动完成，然后我发现在统计模块下的scipy中有一个退出函数

pdf

。然而，我得到的结果却大不相同

下面是我尝试过的示例：

import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats

mean = 5
std_dev = 2
num_dist = 50

# Draw random samples from a normal (Gaussion) distribution
normalDist_dataset = np.random.normal(mean, std_dev, num_dist)

# Sort these values.
normalDist_dataset = sorted(normalDist_dataset)

# Create the bins and histogram
plt.figure(figsize=(15,7))
count, bins, ignored = plt.hist(normalDist_dataset, num_dist, density=True)

new_mean = np.mean(normalDist_dataset)
new_std = np.std(normalDist_dataset)

normal_curve1 = stats.norm.pdf(normalDist_dataset, new_mean, new_std)
normal_curve2 = (1/(new_std *np.sqrt(2*np.pi))) * (np.exp(-(bins - new_mean)**2 / (2 * new_std**2)))

plt.plot(normalDist_dataset, normal_curve1, linewidth=4, linestyle='dashed')
plt.plot(bins, normal_curve2, linewidth=4, color='y')

结果显示了我得到的两条曲线之间的差异

我的猜测是，这与

bin

或

pdf

的行为与通常的公式不同有关。我对两个图使用了相同和新的平均值和标准差。那么，如何更改代码以匹配

stats.norm.pdf

的功能呢

---

我还不知道哪条曲线是正确的。

函数

plot

只是将点与线段连接起来。您的箱子没有足够的圆点来显示平滑曲线。可能的解决办法：

....
normal_curve1 = stats.norm.pdf(normalDist_dataset, new_mean, new_std)
bins = normalDist_dataset # Add this line
normal_curve2 = (1/(new_std *np.sqrt(2*np.pi))) * (np.exp(-(bins - new_mean)**2 / (2 * new_std**2)))
....

---

函数

plot

仅将点与线段连接起来。您的箱子没有足够的圆点来显示平滑曲线。可能的解决办法：

....
normal_curve1 = stats.norm.pdf(normalDist_dataset, new_mean, new_std)
bins = normalDist_dataset # Add this line
normal_curve2 = (1/(new_std *np.sqrt(2*np.pi))) * (np.exp(-(bins - new_mean)**2 / (2 * new_std**2)))
....

---

尝试，例如，

num\u dist=50000

，并将

plt.hist

的

bins

参数从

num\u dist

更改为

bins=100

。尝试，例如，

num\u dist=50000

，并将

plt.hist

的

bins

参数从

num\code>bins=100

。