Python 相当于sns.distplot（数据，fit=scipy.stats.norm）和plotly

一段时间以来，我一直在使用

seaborn

和

plotly

进行可视化，具体取决于我目前的需要。最近，我一直在尝试完全转到

绘图

，但有些事情我仍然不知道如何让它工作

例如，我曾经使用seaborn来检查一些数据的分布，看看它是否符合高斯分布。这可以通过以下代码段轻松完成：

import seaborn as sns
from scipy.stats import norm

sns.distplot(data, fit=norm)

我一直在尝试使用

plotly express

（

px.histogram

）实现类似的快速高斯检查，但我无法完成。你能帮我处理这件事吗

编辑

“数据”的一个例子是：

import numpy as np
np.random.seed(123)

data = np.random.noncentral_chisquare(3, 20, 1000)

---

输出应显示数据直方图及其KDE，加上高斯等效KDE。这在测试转换结果（日志、框cox…）时很有帮助

我想您可能对阅读感兴趣。显然，目前最简单的方法是使用

plotly.figure\u factory.create\u dist\u plot

，但从上面的链接看，它似乎要停止使用了

将numpy导入为np
将plotly.figure\u工厂作为ff导入
np.随机种子（123）
数据=np.随机.非中心平方（3,20,1000）
m=数据平均值（）
s=data.std（）
高斯数据=np.随机.正态（m，s，10000）
图=ff.create\u distplot(
[数据，高斯数据]，
组_标签=[“绘图”、“高斯”]，
曲线类型=“kde”）
fig.data=[fig.data[0]，fig.data[2]，fig.data[3]]
图更新_布局（showlegend=False）
图2（图3）

如果您使用

lst=列表（图数据）
一级流行音乐（1）
图数据=元组（lst）

你会得到

---

您介意添加您正在使用的数据吗？是的，这是我在plotly论坛上提出的问题。该解决方案的问题是ff.create_distplot将被中断，正如您所说，您必须创建一个大样本，以确保高斯数据是真正的高斯数据（大于原始数据）。你能设法解决这两个问题吗？也许用px.histogram，再加上一个痕迹。。。