绘制给定均值和σ-python的正态分布图

我在数据框中有一些数据

df['Difference'] = df.Congruent.values - df.Incongruent.values
mean = df.Difference.mean()
std = df.Difference.std(ddof=1)
median = df.Difference.median()
mode = df.Difference.mode()

---

我想画一个直方图和一个正态分布图。是否有一个以均值和西格玛为参数的绘图函数？我不在乎是matplotplib、seaborn还是ggplot。最好的方法是，我可以在一个绘图中标记所有数据的模式和中值。

您可以使用matplotlib/pylab和

scipy.stats.norm.pdf

并将平均值和标准偏差传递为

loc

和

scale

：

import pylab
import numpy as np
from scipy.stats import norm
x = np.linspace(-10,10,1000)
y = norm.pdf(x, loc=2.5, scale=1.5)    # for example
pylab.plot(x,y)
pylab.show()

---

您可以将matplotlib/pylab与

scipy.stats.norm.pdf一起使用，并将平均值和标准偏差传递为
loc
和
scale
：

import pylab
import numpy as np
from scipy.stats import norm
x = np.linspace(-10,10,1000)
y = norm.pdf(x, loc=2.5, scale=1.5)    # for example
pylab.plot(x,y)
pylab.show()

如何操作此距离的最大值？因为当我将其与直方图一起绘制时，正态距离变平，因此看起来像底部的一条直线。或者将其乘以一个常数（但它不会是一个标准化分布），或者将直方图标准化（我认为matplotlib中有一个
normed=True
参数）.好的，如你所说的“normed=true”。最好是两个轴在两侧，一个用于直方图，另一个用于分布。你知道怎么做吗？你可能希望
twinx
如中所示，因为轴的自动缩放可以获得“良好”的刻度值，仅使用
twinx
可能会导致绘制出一个不太准确的曲线图，该曲线图沿图形纵轴的归一化密度和计数值相等。我如何操作该距离的最大值？因为当我将其与直方图一起绘制时，正态距离变平，因此看起来像底部的一条直线。或者将其乘以一个常数（但它不会是一个标准化分布），或者将直方图标准化（我认为matplotlib中有一个
normed=True
参数）.好的，如你所说的“normed=true”。最好是两个轴在两侧，一个用于直方图，另一个用于分布。你知道怎么做吗？你可能希望
twinx
如中所示，因为轴的自动缩放可以获得“良好”的刻度值，仅使用twinx

可能会导致绘制出一个不太准确的图，该图沿图形的纵轴将标准化密度和计数值相等。