python - 绘制一维高斯分布函数

Question

如何使用均值和标准差参数值 (μ, σ) = (−1, 1)、(0, 2) 和 (2, 3) 绘制一维高斯分布函数图？

我是编程新手，使用 Python。

先感谢您！

Answer 1

与优matplotlib和numpy包

from matplotlib import pyplot as mp
import numpy as np

def gaussian(x, mu, sig):
    return np.exp(-np.power(x - mu, 2.) / (2 * np.power(sig, 2.)))

x_values = np.linspace(-3, 3, 120)
for mu, sig in [(-1, 1), (0, 2), (2, 3)]:
    mp.plot(x_values, gaussian(x_values, mu, sig))

mp.show()

会产生类似的东西

Answer 2

您可以阅读本教程，了解如何在 python 中使用统计分布函数。 https://docs.scipy.org/doc/scipy/tutorial/stats.html

from scipy.stats import norm
import matplotlib.pyplot as plt
import numpy as np 

#initialize a normal distribution with frozen in mean=-1, std. dev.= 1
rv = norm(loc = -1., scale = 1.0)
rv1 = norm(loc = 0., scale = 2.0)
rv2 = norm(loc = 2., scale = 3.0)

x = np.arange(-10, 10, .1)

#plot the pdfs of these normal distributions 
plt.plot(x, rv.pdf(x), x, rv1.pdf(x), x, rv2.pdf(x))

Answer 3

基于原始语法并正确规范化的正确形式是：

def gaussian(x, mu, sig):
    return 1./(np.sqrt(2.*np.pi)*sig)*np.exp(-np.power((x - mu)/sig, 2.)/2)

Answer 4

除了以前的答案，我建议先计算指数中的比率，然后取平方：

def gaussian(x,x0,sigma):
  return np.exp(-np.power((x - x0)/sigma, 2.)/2.)

这样，您还可以计算非常小或非常大的数字的高斯：

In: gaussian(1e-12,5e-12,3e-12)
Out: 0.64118038842995462

Answer 5

您的 gaussian() 函数的分母中缺少一个括号。就像现在一样，您除以 2 并乘以方差 (sig^2)。但这不是真的，正如你从你的情节中看到的那样，方差越大，高斯越窄——这是错误的，它应该是相反的。

所以只需将 gaussian() 函数更改为：

def gaussian(x, mu, sig):
    return np.exp(-np.power(x - mu, 2.) / (2 * np.power(sig, 2.)))