Python 绘制多元一元正态分布图

有人知道如何使用Python在一个绘图上绘制多个高斯分布吗？ 我得到了一些正态分布的数据，有不同的平均值和标准差，我需要绘制它们。很多

---

我只能画一张。请简单一点，我刚刚开始使用Python，让我们假设你有3种不同的平均值

mu

和标准设备

sigma

的组合。你可以随意选择，但举个例子，我用了3

from matplotlib import pyplot as mp
import numpy as np

def gaussian(x, mu, sig):
    return 1./(np.sqrt(2*np.pi)*sigma)*np.exp(-0.5 * (1./sigma*(x - mu))**2)

for mu, sig in [(0.5, 0.1), (1.0, 0.2), (1.5, 0.3)]: #(mu,sigma)
    mp.plot(gaussian(np.linspace(-8, 8, 100), mu, sig))

mp.show()

定义您的

mu

和

sigma

在这一行中，您可以添加任意数量的组合：

for mu, sig in [(0.5, 0.1), (1.0, 0.2), (1.5, 0.3)]: #(mu,sigma)

就我而言是这样

• μ=0.5，σ=0.1
• μ=1.0，σ=0.2
• μ=1.5，σ=0.3

结果：

*编辑

%matplotlib inline
from matplotlib import pyplot as mp
import numpy as np

def gaussian(x, mu, sig):
    return 1./(np.sqrt(2*np.pi)*sigma)*np.exp(-0.5 * (1./sigma*(x - mu))**2)

for mu, sigma in [(1, 2), (0.5, 1), (0, 0.5)]: #(mu,sigma)
    mp.plot(gaussian(np.linspace(-4, 6, 100, ), mu, sigma))
    mp.xlim(0,110)  #set x-axes limits
    mp.ylim(0,1)  #set y-axes limits

mp.show()

结果：

---

由@dejanmarich提出的解决方案有一个小问题。x轴上的值与数据分布中的实际值不一致。为了解决这个问题，我们不应该生成任意的线性间隔范围

我们希望有一个x从下界到上界的情节，这样的中值位于中间。以下代码片段实现了此目标：

#/usr/bin/python
将numpy作为np导入
将matplotlib.pyplot作为plt导入
高斯类：
@静力学方法
def图（平均值、标准值、下限=无、上限=无、分辨率=无、，
title=None，x\u label=None，y\u label=None，legend\u label=None，legend\u location=“best”）：
下限=（平均值-4*std），如果下限不是其他下限
上界=（平均值+4*std），如果上界不是其他上界
分辨率=100
标题=标题或“高斯分布”
x_标签=x_标签或“x”
y_标签=y_标签或“N（x |μ，σ）”
图例标签=图例标签或“μ={}，σ={}”。格式（平均值，标准）
X=np.linspace（下限、上限、分辨率）
距离X=高斯分布（X，平均值，标准值）
标题（标题）
plt.绘图（X，距离X，标签=图例标签）
plt.xlabel（x_标签）
plt.ylabel（y_标签）
plt.图例（位置=图例位置）
返回plt
@静力学方法
def_分布（X，平均值，标准值）：
返回1./（np.sqrt（2*np.pi）*std）*np.exp（-0.5*（1./std*（X-平均值））**2）

一旦定义了类，我们可以用以下方式绘制高斯分布：

Gaussian.plot（0.5,1）.show（）
#或者，对于多个绘图：
绘图=高斯。绘图（1，2）
曲线图=高斯曲线图（0.5,1）
绘图=高斯。绘图（0，0.5）
plot.show（）

这里我们定义或计算边界x范围。计算使用平均值和4倍标准偏差，以使绘图居中

这是一个非常简单的类，可以对其进行扩展以解决某些问题。1） 除非绘制多个图，否则我们（似乎）会看到同一个图，并且在绘制多个分布时，尾部会被截断

1） 通过将

plt.ylim（0,1）

添加到

plot

方法，可以很容易地修复此问题。2） 另一方面，要求我们在绘制时考虑到所有地块的形状

为了做到这一点，我们可以把我们的班级改成一个班级。我们首先汇总所有绘图信息，并仅在准备绘制所有绘图时计算x范围

以下课程实现了这一目标：

#/usr/bin/python
将numpy作为np导入
将matplotlib.pyplot作为plt导入
高斯点类：
定义初始值（self，title=“高斯分布”，x_label=“x”，y_label=None，
y_极限=无，下限=无，上限=无，
当网格=True时，在下方填充=True，图例位置=best”）：
self.title=标题
self.x_标签=x_标签
self.y_label=y_label或“N（{}μ，σ）”。格式（x_label）
self.y\u limit=y\u limit
self.lower\u bound=下限
self.upper\u bound=上界
self.with_grid=with_grid
self.fill\u below=下面的fill\u
self.legend\u location=legend\u location
self.plots=[]
def图（自身、平均值、标准、分辨率=无，图例标签=无）：
self.plots.append({
“平均”：平均，
“性病”：性病，
“决议”：决议，
“图例标签”：图例标签
})
回归自我
def显示（自我）：
自我准备图（）
self.\u绘制图（）
plt.图例（loc=自身图例位置）
plt.show（）
定义准备图（自身）：
plt.图（）
产品名称（自我名称）
plt.xlabel（self.x_标签）
plt.ylabel（自y_标签）
如果self.y_limit不是无：
plt.ylim（0，自y_极限）
如果使用_网格进行self
plt.grid（）
定义图绘制图（自）：
lower_bound=self.lower_bound，如果self.lower_bound不是其他self。_compute_lower_bound（）
上界=self.upper\u-bound，如果self.upper\u-bound不是其他self.\u compute\u upper\u-bound（）
对于self.plots中的plot_数据：
平均值=绘图数据[“平均值”]
std=绘图数据[“std”]
分辨率=绘图数据[“分辨率”]
图例标签=绘图数据[“图例标签”]
自绘制图（下限、上限、平均值、标准、分辨率、图例标签）
定义绘图（自身、下限、上限、平均值、标准、分辨率、图例标签）：
分辨率=分辨率或最大值（100，整数（上限-下限）*10）
图例标签=图例标签或“μ={}，σ={}”。格式（平均值，标准）
X=np.linspace（下限、上限、分辨率）
距离X=自身分布（X，平均值，标准）
如果自填在下面：plt.fill在（X，dist_X，alpha=0.1）之间
plt.绘图（X，距离X，标签=图例标签）
定义计算下限（自）：
返回np.min（[plot[“mean”]-4*plot[“std”]用于自绘制中的绘制]）
定义计算上限（自）：
返回np.max（[plot[“mean”]+4*plot[“std”]用于self.plot中的plot