1 #
2 # 本文以某一批产品的长度为数据集
3 # 在此数据集的基础上绘制直方图和正态分布曲线
4 #
5
6 import pandas as pd # pandas是一个强大的分析结构化数据的工具集
7 import numpy as np # numpy是Python中科学计算的核心库
8 import matplotlib.pyplot as plt # matplotlib数据可视化神器
9
10 # 正态分布的概率密度函数
11 # x 数据集中的某一具体测量值
12 # mu 数据集的平均值，反映测量值分布的集中趋势
13 # sigma 数据集的标准差，反映测量值分布的分散程度
14 def normfun(x, mu, sigma):
15 pdf = np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) / (sigma * np.sqrt(2 * np.pi))
16 return pdf
17
18 if __name__ == '__main__':
19
20 data = pd.read_csv('length.csv') # 载入数据文件
21 length = data['length'] # 获得长度数据集
22 mean = length.mean() # 获得数据集的平均值
23 std = length.std() # 获得数据集的标准差
24
25 # 设定X轴：前两个数字是X轴的起止范围，第三个数字表示步长
26 # 步长设定得越小，画出来的正态分布曲线越平滑
27 x = np.arange(2524, 2556, 0.1)
28 # 设定Y轴，载入刚才定义的正态分布函数
29 y = normfun(x, mean, std)
30 # 绘制数据集的正态分布曲线
31 plt.plot(x, y)
32
33 # 绘制数据集的直方图
34 plt.hist(length, bins=12, rwidth=0.9, density=True)
35 plt.title('Length distribution')
36 plt.xlabel('Length')
37 plt.ylabel('Probability')
38
39 # 输出正态分布曲线和直方图
40 plt.show()
