Python 从包含概率的点生成概率分布或平滑图

我有一些点，包括y轴上的概率和x轴上的值，比如：

p1 =
[[0.0, 0.0001430560406790707],
[10.0, 6.2797052001508247e-13],
[15.0, 4.8114669550502021e-06],
[20.0, 0.0007443231772534647],
[25.0, 0.00061070912573869406],
[30.0, 0.48116582167944905],
[35.0, 0.24698643991977953],
[40.0, 0.016407283121225951],
[45.0, 0.2557158314329116],
[50.0, 1.1252231121357235e-05],
[55.0, 0.064666668633158647],
[60.0, 1.7631447655837744e-17],
[65.0, 1.1294722466816786e-14],
[70.0, 2.9419020411134367e-16],
[75.0, 3.0887653014525822e-17],
[80.0, 4.4973693062706866e-17],
[85.0, 9.0975358174005147e-15],
[90.0, 1.0758266454985257e-10],
[95.0, 7.2923752473657924e-08],
[100.0, 1.8065366882584036e-08]]

p2 =
[[0.0, 4.1652247577331996e-06],
[10.0, 1.2212829713673957e-06],
[15.0, 6.5906857192417344e-08],
[20.0, 0.00016745946587138236],
[25.0, 0.0054431111796765554],
[30.0, 0.0067575214586160616],
[35.0, 0.00011856110316632124],
[40.0, 0.00032181662132509944],
[45.0, 0.001397981055516994],
[50.0, 0.0027058954834684062],
[55.0, 2.553142406703067e-06],
[60.0, 1.1514033594755017e-08],
[65.0, 0.21961568282994792],
[70.0, 2.4658349829099807e-08],
[75.0, 0.0022850986575076743],
[80.0, 3.5603047823624507e-06],
[85.0, 0.99406392082894734],
[90.0, 0.24399923235645221],
[95.0, 0.0013470125217945798],
[100.0, 0.042582366972883985]] 

现在我想从点生成一个概率分布，其中x轴值为0,10,15,20，…，100，y轴值包含概率0.00014

使用plt.plot函数时，我得到：

plt.plot([item[0] for item in p1],[item[1] for item in p1])

对于p2：

plt.plot([item[0] for item in p2],[item[1] for item in p2])

我想得到一个更平滑的可视化，比如概率分布：

如果概率分布不可能，则平滑样条线：

Scipy’s通常用于平滑地近似概率分布。它为每个输入点求和一个高斯核。通常将单个测量值用作输入，但“权重”参数允许处理装箱数据。函数被归一化，使其积分等于1

该方法假设p1和p2的值是每个x值周围线段的平均值，类似于直方图。即，一个阶跃函数，其中x值标识每个阶跃的结束

从matplotlib导入pyplot作为plt 将numpy作为np导入 从scipy.stats导入高斯_kde p1=np.数组[[0.0,0.0001430560406790707]， [10.0,6.2797050001508247E-13]， [15.0,4.81146695050021E-06]， [20.0, 0.0007443231772534647], [25.0, 0.00061070912573869406], [30.0, 0.48116582167944905], [35.0, 0.24698643991977953], [40.0, 0.016407283121225951], [45.0, 0.2557158314329116], [50.0,1.1252231121357235e-05]， [55.0, 0.064666668633158647], [60.0,1.7631447655837744e-17]， [65.0,1.1294722466816786e-14]， [70.0,2.9419020411134367e-16]， [75.0,3.0887653014525822e-17]， [80.0,4.4973693062706866e-17]， [85.0,9.0975358174005147e-15]， [90.0,1.0758266454985257e-10]， [95.0,7.29237524736579244E-08]， [100.0,1.8065366882584036e-08] p2=np.数组[[0.0,4.1652247577331996e-06]， [10.0,1.2212829713673957e-06]， [15.0,6.5906857192417344e-08]， [20.0, 0.00016745946587138236], [25.0, 0.0054431111796765554], [30.0, 0.0067575214586160616], [35.0, 0.00011856110316632124], [40.0, 0.00032181662132509944], [45.0, 0.001397981055516994], [50.0, 0.0027058954834684062], [55.0,2.553142406703067e-06]， [60.0,1.1514033594755017e-08]， [65.0, 0.21961568282994792], [70.0,2.4658349829099807e-08]， [75.0, 0.0022850986575076743], [80.0,3.5603047823624507e-06]， [85.0, 0.99406392082894734], [90.0, 0.24399923235645221], [95.0, 0.0013470125217945798], [100.0, 0.042582366972883985]] x=np.linspace010000 图，轴=plt。子批次NCOLS=2 对于zipax中的ax，p，[p1，p2]： p[0，0]=5.0设每个x值为一段的终点 ax.stepp[：，0]，p[：，1]，color='dodgerblue'，lw=1，ls='：'，其中='pre' ax2=ax.twinx kde=gaussian_kdep[：，0]-2.5，bw_方法=0.25，权重=p[：，1] ax2.plotx，kdex，颜色为深红色 节目 Scipy’s通常用于平滑地近似概率分布。它为每个输入点求和一个高斯核。通常将单个测量值用作输入，但“权重”参数允许处理装箱数据。函数被归一化，使其积分等于1

该方法假设p1和p2的值是每个x值周围线段的平均值，类似于直方图。即，一个阶跃函数，其中x值标识每个阶跃的结束

从matplotlib导入pyplot作为plt 将numpy作为np导入 从scipy.stats导入高斯_kde p1=np.数组[[0.0,0.0001430560406790707]， [10.0,6.2797050001508247E-13]， [15.0,4.81146695050021E-06]， [20.0, 0.0007443231772534647], [25.0, 0.00061070912573869406], [30.0, 0.48116582167944905], [35.0, 0.24698643991977953], [40.0, 0.016407283121225951], [45.0, 0.2557158314329116], [50.0,1.1252231121357235e-05]， [55.0, 0.064666668633158647], [60.0,1.7631447655837744e-17]， [65.0,1.1294722466816786e-14]， [70.0,2.9419020411134367e-16]， [75.0,3.0887653014525822e-17]， [80.0,4.4973693062706866e-17]， [85.0,9.0975358174005147e-15]， [90.0,1.0758266454985257e-10]， [95.0,7.29237524736579244E-08]， [100.0,1.8065366882584036e-08] p2=np.数组[[0.0,4.1652247577331996e-06]， [10.0, 1.221282 9713673957e-06]， [15.0,6.5906857192417344e-08]， [20.0, 0.00016745946587138236], [25.0, 0.0054431111796765554], [30.0, 0.0067575214586160616], [35.0, 0.00011856110316632124], [40.0, 0.00032181662132509944], [45.0, 0.001397981055516994], [50.0, 0.0027058954834684062], [55.0,2.553142406703067e-06]， [60.0,1.1514033594755017e-08]， [65.0, 0.21961568282994792], [70.0,2.4658349829099807e-08]， [75.0, 0.0022850986575076743], [80.0,3.5603047823624507e-06]， [85.0, 0.99406392082894734], [90.0, 0.24399923235645221], [95.0, 0.0013470125217945798], [100.0, 0.042582366972883985]] x=np.linspace010000 图，轴=plt。子批次NCOLS=2 对于zipax中的ax，p，[p1，p2]： p[0，0]=5.0设每个x值为一段的终点 ax.stepp[：，0]，p[：，1]，color='dodgerblue'，lw=1，ls='：'，其中='pre' ax2=ax.twinx kde=gaussian_kdep[：，0]-2.5，bw_方法=0.25，权重=p[：，1] ax2.plotx，kdex，颜色为深红色 节目