我想用曲线拟合直方图，但不知道该怎么办

Question

我希望法线曲线适合我已经拥有的直方图。 navf2是归一化随机数的列表，直方图基于这些随机数，我想要一条曲线来显示直方图的总体趋势。

while len(navf2)<252:
    number=np.random.normal(0,1,None)
    navf2.append(number)
bin_edges=np.arange(70,130,1)
plt.style.use(["dark_background",'ggplot'])
plt.hist(navf2, bins=bin_edges, alpha=1)
plt.ylabel("Frequency of final NAV")
plt.xlabel("Ranges")
ymin=0
ymax=100
plt.ylim([ymin,ymax])
plt.show()

Answer 1

您在这里：

= ^ .. ^ =

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

# create raw data
data = np.random.uniform(size=252)

# distribution fitting
mu, sigma = norm.fit(data)

# fitting distribution
x = np.linspace(-0.5,1.5,100)
y = norm.pdf(x, loc=mu, scale=sigma)

# plot data
plt.plot(x, y,'r-')
plt.hist(data, density=1, alpha=1)
plt.show()

输出：

Answer 2

这是使用问题中提到的代码的另一种解决方案。我们无需使用scipy库就可以达到预期的结果。我们将要做三件事，计算数据集的平均值，计算数据集的标准偏差，并创建一个生成法线或高斯曲线的函数。

要计算均值，我们可以在numpy库中使用该函数，即mu = np.mean(your_data_set_here)

集合的标准偏差是值和均方https://en.wikipedia.org/wiki/Standard_deviation的差之和的平方根。我们可以再次使用numpy库以如下代码表示它：

data_set = [] # some data set 
sigma = np.sqrt(1/(len(data_set))*sum((data_set-mu)**2))

最后，我们必须为正态曲线或高斯https://en.wikipedia.org/wiki/Gaussian_function构建函数，它依赖于均值（mu）和标准偏差（sigma），因此我们将在我们的函数中将它们用作参数：

def Gaussian(x,sigma,mu): # sigma is the standard deviation and mu is the mean
    return ((1/(np.sqrt(2*np.pi)*sigma))*np.exp(-(x-mu)**2/(2*sigma**2)))

将它们放在一起看起来像这样：

import numpy as np
import matplotlib.pyplot as plt

navf2 = []
while len(navf2)<252:
    number=np.random.normal(0,1,None) # since all values will be between 0,1 the bin size doesnt work 
    navf2.append(number)

navf2 = np.asarray(navf2) # convert to array for better results 
mu = np.mean(navf2) #the avg of all values in navf2  
sigma = np.sqrt(1/(len(navf2))*sum((navf2-mu)**2)) # standard deviation of navf2
x_vals = np.arange(min(navf2),max(navf2),0.001)    # create a flat range based off data
                                                   # to build the curve 
gauss = [] #store values for normal curve here 

def Gaussian(x,sigma,mu): # defining the normal curve 
    return ((1/(np.sqrt(2*np.pi)*sigma))*np.exp(-(x-mu)**2/(2*sigma**2)))

for val in x_vals : 
    gauss.append(Gaussian(val,sigma,mu))

plt.style.use(["dark_background",'ggplot'])
plt.hist(navf2, density = 1, alpha=1) # add density = 1 to fix the scaling issues  
plt.ylabel("Frequency of final NAV")
plt.xlabel("Ranges")
plt.plot(x_vals,gauss)
plt.show()

这是输出的图片：

希望这会有所帮助，我累了让它尽可能接近您的原始代码！