使用非十进制数据点Matplotlib Python生成正态分布

到目前为止，我能够生成基本的十进制版本，如下所示：

我用来生成它的代码：

import numpy as np
import matplotlib.pyplot as plt

plt.figure(figsize=(8,4))
x = np.linspace(-20,20,1000)
plt.plot(x,stats.norm.pdf(x,0,5),'r')
plt.plot(x,stats.norm.pdf(x,0,10),'b')
plt.title("Flattening the curve")
plt.savefig("graph.png")
plt.show()

我想要的是x轴和y轴从0开始，显示整数而不是浮点值。类似于此，但作为线图而不是直方图：

---

有什么建议吗？任何帮助都将不胜感激。谢谢你的阅读

您的平均值为

0

，由于正态分布围绕平均值对称，因此您的图形将进入-ve轴。因此，将平均值移向正值，并从

0

开始计算

x

值

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

plt.figure(figsize=(8,4))
x = np.linspace(0,40,1000)
plt.plot(x,stats.norm.pdf(x, 20,5),'r')
plt.plot(x,stats.norm.pdf(x,20,10),'b')
plt.title("Flattening the curve")
plt.savefig("graph.png")
plt.show()

y

轴是pdf值，因此

• 曲线下面积==1
• pdf值为非负

为了得到整数，您可以通过某个常量因子（比如100）对pdf的所有值进行缩放，但是如果您没有明确提到所使用的缩放值，那么图形将失去作用。您应该检查为什么要在y轴上使用整数。要缩放y轴，可以使用

---

plt.plot（x，stats.norm.pdf（x，20,5）*100，'r'）

您的平均值在

0

处，由于正态分布围绕平均值对称，因此您的图形将进入-ve轴。因此，将平均值移向正值，并从

0

开始计算

x

值

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

plt.figure(figsize=(8,4))
x = np.linspace(0,40,1000)
plt.plot(x,stats.norm.pdf(x, 20,5),'r')
plt.plot(x,stats.norm.pdf(x,20,10),'b')
plt.title("Flattening the curve")
plt.savefig("graph.png")
plt.show()

y

轴是pdf值，因此

• 曲线下面积==1
• pdf值为非负

为了得到整数，您可以通过某个常量因子（比如100）对pdf的所有值进行缩放，但是如果您没有明确提到所使用的缩放值，那么图形将失去作用。您应该检查为什么要在y轴上使用整数。要缩放y轴，可以使用

plt.plot（x，stats.norm.pdf（x，20,5）*100，'r'）

使用

plt.ylim（ymin=0）

让y从零开始。将

x_-mean

设置为某个值，例如

stats.norm.pdf（x，x_-mean，5）

中的90，并将

x=np.linspace（x_-20，x_-mean+20，1000）

设置为移动x值

pdf

的总面积为1。要使其高度与直方图相似，必须将其乘以受试者总数，再除以直方图区域的宽度（这些区域需要均匀分布）

将numpy导入为np
将matplotlib.pyplot作为plt导入
从scipy导入统计信息
总数=100000
bin_dist=1
plt.图（figsize=（8,4））
x=np.linspace（0,70500）
plt.plot（x，stats.norm.pdf（x，25，5）*总波普/本区，“r”）
plt.plot（x，stats.norm.pdf（x，40，10）*总图/bin_dist，'b'）
plt.ylim（ymin=0）
plt.show（）

请注意，经常显示的曲线是指数增长（逻辑曲线），随着更多个体获得免疫，该曲线会减弱。这不是一个统计概率分布曲线，因为它显示了随着时间的推移感染的个体数量。这解释了更多关于这类曲线的信息。

使用

plt.ylim（ymin=0）

让y从零开始。将

x_-mean

设置为某个值，例如

stats.norm.pdf（x，x_-mean，5）

中的90，并将

x=np.linspace（x_-20，x_-mean+20，1000）

设置为移动x值

pdf

的总面积为1。要使其高度与直方图相似，必须将其乘以受试者总数，再除以直方图区域的宽度（这些区域需要均匀分布）

将numpy导入为np
将matplotlib.pyplot作为plt导入
从scipy导入统计信息
总数=100000
bin_dist=1
plt.图（figsize=（8,4））
x=np.linspace（0,70500）
plt.plot（x，stats.norm.pdf（x，25，5）*总波普/本区，“r”）
plt.plot（x，stats.norm.pdf（x，40，10）*总图/bin_dist，'b'）
plt.ylim（ymin=0）
plt.show（）

请注意，经常显示的曲线是指数增长（逻辑曲线），随着更多个体获得免疫，该曲线会减弱。这不是一个统计概率分布曲线，因为它显示了随着时间的推移感染的个体数量。这解释了更多关于此类曲线的信息