Python：按钟形图的顺序生成正态分布

我想按照钟的顺序生成正态分布。 我使用此代码生成数字：

import numpy as np

mu,sigma,n = 0.,1.,1000

def normal(x,mu,sigma):
    return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. )

x = np.random.normal(mu,sigma,n) #generate random list of points from normal distribution
y = normal(x,mu,sigma) #evaluate the probability density at each point
x,y = x[np.argsort(y)],np.sort(y) #sort according to the probability density

这是在以下文件中提出的代码：

但这些数字并不是按钟形排列的。 有什么想法吗？

---

非常感谢你

有几件事你弄糊涂了

random.normal从钟形曲线中随机抽取编号

n

所以你有1000个数字，每个都不同，都是从曲线上画出来的。要重新创建曲线，需要应用一些装箱。每个箱子中的点数将重新生成曲线（单点本身很难表示概率）。在只有1000个点的

x

向量上使用一些广泛的装箱：

h,hx=np.histogram(x,bins=50)

并绘制

h

作为

hx

的函数（因此我将您的千个数字分组到50个箱子中，

y

轴将显示箱子中的点数：

现在我们可以看到，

x

是从钟形分布中得出的-落入中央垃圾箱的机会由高斯分布决定。这是一个抽样，因此每个点当然可能会有所不同-使用的点越多，垃圾箱越细，效果越好（越平滑）

y=normal（x，mu，sigma）

这只是在任何给定的

x

下计算高斯分布，因此实际上，提供

normal

与均值（mu）周围的任何数字列表，它将精确计算钟形曲线（精确概率）。根据

x

绘制

y

（你的

x

本身是高斯分布并不重要，但它是平均值周围的1000点，因此它可以重新创建函数）：

---

看看它有多平滑？这是因为它不是采样，而是函数的精确计算。您可以使用0附近的任意1000个点，看起来也一样好。

您的代码工作得很好

import numpy as np
import matplotlib.pyplot as plt

mu,sigma,n = 0.,1.,1000

def normal(x,mu,sigma):
    return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. )

x = np.random.normal(mu,sigma,n) 
y = normal(x,mu,sigma) 


plt.plot(x,y)

---

您正在根据y值对x轴进行排序。在最后一行之前，您的代码工作正常。但是x的值没有遵循钟形形式，比如从低值开始，然后上升和下降。@kabanusy您混淆了轴。绘制散点图，它看起来很好-y随着x的增加而上升和下降。请你能给我看看样品吗？我是新来的。@kabanus