Python 如何用scipy高斯函数求概率密度函数？

我有一个一维数据集，保存在一维列表中。获得概率密度函数的最佳方法是什么？我尝试了使用scipy gaussian_kde的常用方法

array = np.array(values)
kde = gaussian_kde(array)
x = np.linspace(0, 50, 500)
plt.plot(x, kde(x), label="", color="blue")
plt.legend(loc='best')
plt.show()

生成的图形不是预期的概率密度函数，因为概率密度函数的每个x的值应介于0和1之间

---

谢谢

请使用以下代码

import os
import matplotlib.pyplot as plt
import sys
import math
import numpy as np
import scipy.stats as st
from scipy.stats._continuous_distns import _distn_names
from scipy.optimize import curve_fit

def get_pdf(latency_list):
    np_array = np.array(latency_list)  # convert the list into a numpy array
    ag = st.gaussian_kde(np_array)  # calculate the kernel density function for the latency values
    # list of equidistant values in the range of the latency values
    x = np.linspace(min(latency_list), max(latency_list), (max(latency_list) - min(latency_list)) * 10)
    y = ag(x)  # evaluate the latency values for each x value
    return x, y