赛马正态分布图

1.制作IQ数据图

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

#使用%matplotlib命令可以将matplotlib的图表直接嵌入到Notebook之中,或者使用指定的界面库显示图表,它有一个参数指定matplotlib图表的显示方式

*#inline表示将图表嵌入到Notebook中。

%matplotlib inline

#为了使画出来的图支持 retina格式

%config InlineBackend.figure_format = 'retina'

iq_data = pd.read_csv('IQscore.csv')

len(iq_data)

70

iq = iq_data['IQ']

mean = iq.mean()

mean

100.82857142857142

std = iq.std()

std

15.015905990389498

#normfun正态分布函数,mu: 均值,sigma:标准差,pdf:概率密度函数,np.exp():概率密度函数公式

def normfun(x,mu, sigma):

pdf = np.exp(-((x - mu)**2) / (2* sigma**2)) / (sigma * np.sqrt(2*np.pi))

return pdf

# x的范围为60-150,以1为单位,需x根据范围调试

x = np.arange(60, 150,1)

# x数对应的概率密度

y = normfun(x, mean, std)

# 参数,颜色,线宽

plt.plot(x,y, color='g',linewidth = 3)

#数据,数组,颜色,颜色深浅,组宽,显示频率

plt.hist(iq, bins =7, color = 'r',alpha=0.5,rwidth= 0.9, normed=True)

plt.title('IQ distribution')

plt.xlabel('IQ score')

plt.ylabel('Probability')

plt.show()

智商正态分布图

2. 制作赛马数据图

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

%config InlineBackend.figure_format = 'retina'

stakes_data = pd.read_csv('stakes.csv')

len(stakes_data)

89

stakes = stakes_data['time']

mean = stakes.mean()

mean

149.22101123595513

std = stakes.std()

std

1.6278164717748154

def normfun(x,mu, sigma):

pdf = np.exp(-((x - mu)**2) / (2* sigma**2)) / (sigma * np.sqrt(2*np.pi))

return pdf

stakes.max()

153.19999999999999

stakes.min()

146.0

x = np.arange(145, 155,0.2)

y = normfun(x, mean, std)

plt.plot(x,y,'g',linewidth = 3)

plt.hist(stakes, bins = 6,color = 'b',alpha=0.5, rwidth= 0.9, normed=True)

plt.title('stakes distribution')

plt.xlabel('stakes time')

plt.ylabel('Probability')

plt.show()

赛马正态分布图

结论:

1.概率密度函数是图形中的一条线,而概率则是这条线下方一定数值内的面积。

2.求某一个精确数值的概率为0.因为对应的面积趋近于0

3.直方图与正态分布图不完全对应,只有当n充分大,才能更接近于正态分布。

python导入数据画直方图加正态曲线_用python制作正态分布图相关推荐

  1. python导入数据画直方图加正态曲线_使用Python绘制直方图和正态分布曲线

    原博文 2020-03-20 22:01 − 本文主要介绍两个内容: 如何使用记事本生成包含某一数据集的CSV文件: 如何使用Python绘制给定数据集的直方图和正态分布曲线. 1. 使用记事本创建C ...

  2. python导入数据画直方图加正态曲线_Python数据分析入门 - 正态分布

    import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #matplotli ...

  3. python导入数据画直方图加正态曲线_python 绘制正态曲线的示例

    import numpy as np import matplotlib.pyplot as plt import math # Python实现正态分布 # 绘制正态分布概率密度函数 u = 0 # ...

  4. 基于python的数据爬取与分析_基于Python的网站数据爬取与分析的技术实现策略

    欧阳元东 摘要:Python为网页数据爬取和数据分析提供了很多工具包.基于Python的BeautifulSoup可以快速高效地爬取网站数据,Pandas工具能方便灵活地清洗分析数据,调用Python ...

  5. python导入数据画多列直方图_在python datafram中使用两列(值、计数)绘制直方图...

    我想你需要^{}:patient_dets.set_index('PatientAge')['PatientAgecounts'].plot.bar() 如果需要箱子,一个可能的解决方案是使用^{}: ...

  6. python导入数据画柱状图代码_在Linux下使用Python的matplotlib绘制数据图的教程

    如果你想要在Linxu中获得一个高效.自动化.高质量的科学画图的解决方案,应该考虑尝试下matplotlib库.Matplotlib是基于python的开源科学测绘包,基于python软件基金会许可证 ...

  7. python导入数据画折线图_Python读取Excel表格,并同时画折线图和柱状图的方法

    今日给大家分享一个Python读取Excel表格,同时采用表格中的数值画图柱状图和折线图,这里只需要几行代码便可以实. 首先我们需要安装一个Excel操作的库xlrd,这个很简单,在安装Python后 ...

  8. python对数据进行合并的函数_利用Python pandas对Excel进行合并的方法示例

    前言 在网上找了很多Python处理Excel的方法和代码,都不是很尽人意,所以自己综合网上各位大佬的方法,自己进行了优化,具体的代码如下. 博主也是新手一枚,代码肯定有很多需要优化的地方,欢迎各位大 ...

  9. python中turtle画圆填充颜色_用Python中的画图工具turtle绘制八卦图

    首先看看八卦图的构造原理,它是由4个半圆和2个小圆组成的,所以只需要画半圆和圆,再进行填充就可以构造成一个简单的八卦图了. 1. 导入画笔工具tultle并创建我的画笔: import turtlem ...

  10. python中数据用折线图表示_用python处理文本数据

    用python处理文本数据 Q:这篇文章主要讲什么? A:这篇文章主要讨论如何用python来做一些简单的文本处理--文本相似度比较. 谈起python的自然语言处理,肯定会让人想起NLTK.不过上面 ...

最新文章

  1. unix网络编程之简介
  2. Windows Server2016 安装及配置DFS实现数据复制
  3. 给大家推荐一个.Net的混淆防反编译工具ConfuserEx
  4. java火箭应用_从C++入手,探寻java的特点
  5. 网站建设教程:新手如何建设自己的网站?
  6. 【学习笔记】月末操作-自动清账
  7. Spirng使用Aspectj实现AOP
  8. linux 2.6 hash表作用,高性能分布式哈希表FastDHT介绍及安装配置
  9. 关于Extjs gridpanel设置autoHeight:true时,横向滚动条的问题
  10. java JVM剖析
  11. java jlabel 字体大小_java – 如何在调整大小时更改JLabel字体大小以填充JPanel可用空间?...
  12. 程序员如果不学好底层,将毫无作为
  13. margin,padding之间的比较
  14. Python——数学运算函数
  15. matplotlib绘制3D图像
  16. 详细说明register关键字
  17. 【Multisim仿真】74LS194组成的8个led流水灯
  18. 修改字段名称、替换字符中的英文变中文括号
  19. 二层台机器人_海洋钻修机二层台机器人设计及选型研究
  20. 潜渊症LINUX环境部署全流程

热门文章

  1. 一句话木马上传常见的几种方法
  2. 计算机考研专业课408备考经验分享
  3. DFA(deterministic finite automaton )有限状态机概念
  4. 竞业限制没有明确说明哪家公司,是否会违反?
  5. UVA 1212 Duopoly
  6. struct 结构体 所占字节数的计算
  7. biosrecovery什么意思_卡刷和线刷手机什么意思 Recovery使用方法
  8. 第6节 Kali Linux系统压缩与解压缩文件
  9. 思维导图之----javascript正则表达式知识树
  10. (四)keycloak 自定义用户(SPI)开发