Python 正常曲线的绘图不…正常

我正在绘制测试分数分布图和这些测试分数的拟合曲线：

h = sorted(data['Baseline'])  #sorted
fit = stats.norm.pdf(h, np.mean(h), np.std(h))
plt.plot(h,fit,'-o')
plt.hist(h,normed=True)      #use this to draw histogram of your data
plt.show()

然而，pdf的绘图看起来并不正常（参见x=60附近曲线中的扭结）。见输出：

---

我不知道这里发生了什么…感谢你的帮助。这是因为在提供的观测值之间绘制了法线吗？如果需要，我们可以为您提供实际数据，只有60个观测值

是的，您评估了过度服务的标准pdf。相反，您希望创建一些其他数据，如

h = sorted(data['Baseline'])  #sorted
x = np.linspace(h.min(), h.max(), 151)

fit = stats.norm.pdf(x, np.mean(h), np.std(h))

plt.plot(x,fit,'-')
plt.hist(h,normed=True) 
plt.show()

---

但是请注意，数据看起来根本不是正态分布的。因此，您可能更愿意拟合不同的分布，或者执行内核密度估计。

看起来更像对数正态分布，同意吗。我的问题更多的是关于拟合和plt.plot（）-事实证明，我不是在创建一个间隔相等的X向量，而是依靠排序后的数据来确定X。谢谢。但是@Basingaa，你的观点是有道理的：因为值不能小于0，这几乎保证了对数正态分布。“几乎保证”？？？我们应该非常小心地通过单独查看数据来假设某个分布。策略应该始终是首先根据数据的来源构建模型。然后通过拟合期望分布对模型进行验证。