Python 我可以不先绘制直方图而绘制正态概率分布吗？

正态概率分布是x轴上的b/w x和y轴上的f（x）图。但是当我画这个的时候，我得到了重叠的曲线。我在这个网站上读到了关于正态分布的不同答案。他们首先绘制直方图，然后绘制（x，f）。是否必须先绘制直方图？我可以不用直方图吗

`mu, sigma = 0, 0.1
x = np.random.normal(mu, sigma, 200)
print(x)

f = 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (x - mu)**2 / (2 * sigma**2) )
print(f)
plt.plot(x,f)`

---

首先，x数据只是未排序。要突出显示这一点，如果仅使用标记进行打印，您将看到所看到的重叠是连续连接离散数据点的线的伪影。这里的

ms=2

是书写

markersize=2

的一种简短形式，它指定了标记的大小（本例中为点、圆）。在

ko

中，

k

是黑色的代码，

o

是使用标记的符号。您也可以编写

'o'，color='black'

作为替代

-ko

表示用黑线连接圆形点

-go

，

-bo

，

-ro

分别表示绿色、蓝色和红色

mu, sigma = 0, 0.1
x = np.random.normal(mu, sigma, 200)
f = 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (x - mu)**2 / (2 * sigma**2) )

plt.plot(x,f, 'ko', ms = 2)

输出

要纠正这一点，您可以在计算

f

as时使用排序的x，并在打印时进一步使用排序的x

f = 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (np.sort(x) - mu)**2 / (2 * sigma**2) )
plt.plot(np.sort(x),f, '-ko', ms = 2)

输出

---

绘制正态分布不需要绘制样本。如果只使用等距的数字序列，效果会更好

mu, sigma = 0, 0.1
x = np.linspace(-0.4, 0.4, 100)
f = 1/(sigma * np.sqrt(2 * np.pi)) *np.exp( - (x - mu)**2 / (2 * sigma**2) )
plt.plot(x, f)

---

打印顺序无关紧要。共享所需的图像和工作代码，这两个代码都会打印您没有打印任何直方图吗？在上图中，没有任何重叠。是的，我没有绘制直方图。我试图画出给定数据x的正态概率分布。但我不希望这种重叠。我阅读了有关正态分布的叠加流的答案。他们首先绘制plt.hist（x，bin），然后绘制plt.plot（bin，f）。我想知道是否必须先绘制直方图？第二，我想知道如何克服上图中的重叠。因此，除了你所拥有的以外，没有必要绘制任何东西。混沌线源于数据没有被排序。您可以

plt.plot（np.sort（x），f[np.argsort（x）]）

。或者你可以在应用f之前对你的

x

进行排序，

x=np.random.normal（mu，sigma，200）。sort（）

可能的重复。你能说说为什么ms=2，什么是ms吗？我签入了文档，没有使用此名称的参数。。也许这个答案（使用numpy.sort）更适合那里？@ImportanceOfBeingErnest：你认为两年后回答会值得吗？@Bazingaa是的，把你的答案放在那里，然后我们可以把这个标记为重复的，这样以后其他谷歌用户就更容易了。我的意思是这就是这么做的全部想法，对吗？你想要的是问题的答案，而不取决于问题的年龄。因此，我们把问题当作重复的问题来解决，这样人们就可以在一个地方找到最好的答案，即使他们首先找到重复的问题。