金狮镖局 Design By www.egabc.com
1、生成正态分布数据并绘制概率分布图
import pandas as pd import numpy as np import matplotlib.pyplot as plt # 根据均值、标准差,求指定范围的正态分布概率值 def normfun(x, mu, sigma): pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi)) return pdf # result = np.random.randint(-65, 80, size=100) # 最小值,最大值,数量 result = np.random.normal(15, 44, 100) # 均值为0.5,方差为1 print(result) x = np.arange(min(result), max(result), 0.1) # 设定 y 轴,载入刚才的正态分布函数 print(result.mean(), result.std()) y = normfun(x, result.mean(), result.std()) plt.plot(x, y) # 这里画出理论的正态分布概率曲线 # 这里画出实际的参数概率与取值关系 plt.hist(result, bins=10, rwidth=0.8, density=True) # bins个柱状图,宽度是rwidth(0~1),=1没有缝隙 plt.title('distribution') plt.xlabel('temperature') plt.ylabel('probability') # 输出 plt.show() # 最后图片的概率和不为1是因为正态分布是从负无穷到正无穷,这里指截取了数据最小值到最大值的分布
根据范围生成正态分布:
result = np.random.randint(-65, 80, size=100) # 最小值,最大值,数量
根据均值、方差生成正态分布:
result = np.random.normal(15, 44, 100) # 均值为0.5,方差为1
2、判断一个序列是否符合正态分布
import numpy as np from scipy import stats pts = 1000 np.random.seed(28041990) a = np.random.normal(0, 1, size=pts) # 生成1个正态分布,均值为0,标准差为1,100个点 b = np.random.normal(2, 1, size=pts) # 生成1个正态分布,均值为2,标准差为1, 100个点 x = np.concatenate((a, b)) # 把两个正态分布连接起来,所以理论上变成了非正态分布序列 k2, p = stats.normaltest(x) alpha = 1e-3 print("p = {:g}".format(p)) # 原假设:x是一个正态分布 if p < alpha: # null hypothesis: x comes from a normal distribution print("The null hypothesis can be rejected") # 原假设可被拒绝,即不是正态分布 else: print("The null hypothesis cannot be rejected") # 原假设不可被拒绝,即使正态分布
3、求置信区间、异常值
import numpy as np import matplotlib.pyplot as plt from scipy import stats import pandas as pd # 求列表数据的异常点 def get_outer_data(data_list): df = pd.DataFrame(data_list, columns=['value']) df = df.iloc[:, 0] # 计算下四分位数和上四分位 Q1 = df.quantile(q=0.25) Q3 = df.quantile(q=0.75) # 基于1.5倍的四分位差计算上下须对应的值 low_whisker = Q1 - 1.5 * (Q3 - Q1) up_whisker = Q3 + 1.5 * (Q3 - Q1) # 寻找异常点 kk = df[(df > up_whisker) | (df < low_whisker)] data1 = pd.DataFrame({'id': kk.index, '异常值': kk}) return data1 N = 100 result = np.random.normal(0, 1, N) # result = np.random.randint(-65, 80, size=N) # 最小值,最大值,数量 mean, std = result.mean(), result.std(ddof=1) # 求均值和标准差 # 计算置信区间,这里的0.9是置信水平 conf_intveral = stats.norm.interval(0.9, loc=mean, scale=std) # 90%概率 print('置信区间:', conf_intveral) x = np.arange(0, len(result), 1) # 求异常值 outer = get_outer_data(result) print(outer, type(outer)) x1 = outer.iloc[:, 0] y1 = outer.iloc[:, 1] plt.scatter(x1, y1, marker='x', color='r') # 所有离散点 plt.scatter(x, result, marker='.', color='g') # 异常点 plt.plot([0, len(result)], [conf_intveral[0], conf_intveral[0]]) plt.plot([0, len(result)], [conf_intveral[1], conf_intveral[1]]) plt.show()
4、采样点离散图和概率图
import numpy as np import matplotlib.pyplot as plt from scipy import stats import pandas as pd import time print(time.strftime('%Y-%m-%D %H:%M:%S')) # 根据均值、标准差,求指定范围的正态分布概率值 def _normfun(x, mu, sigma): pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi)) return pdf # 求列表数据的异常点 def get_outer_data(data_list): df = pd.DataFrame(data_list, columns=['value']) df = df.iloc[:, 0] # 计算下四分位数和上四分位 Q1 = df.quantile(q=0.25) Q3 = df.quantile(q=0.75) # 基于1.5倍的四分位差计算上下须对应的值 low_whisker = Q1 - 1.5 * (Q3 - Q1) up_whisker = Q3 + 1.5 * (Q3 - Q1) # 寻找异常点 kk = df[(df > up_whisker) | (df < low_whisker)] data1 = pd.DataFrame({'id': kk.index, '异常值': kk}) return data1 N = 100 result = np.random.normal(0, 1, N) # result = np.random.randint(-65, 80, size=N) # 最小值,最大值,数量 # result = [100]*100 # 取值全相同 # result = np.array(result) mean, std = result.mean(), result.std(ddof=1) # 求均值和标准差 # 计算置信区间,这里的0.9是置信水平 if std == 0: # 如果所有值都相同即标准差为0则无法计算置信区间 conf_intveral = [min(result)-1, max(result)+1] else: conf_intveral = stats.norm.interval(0.9, loc=mean, scale=std) # 90%概率 # print('置信区间:', conf_intveral) # 求异常值 outer = get_outer_data(result) # 绘制离散图 fig = plt.figure() fig.add_subplot(2, 1, 1) plt.subplots_adjust(hspace=0.3) x = np.arange(0, len(result), 1) plt.scatter(x, result, marker='.', color='g') # 画所有离散点 plt.scatter(outer.iloc[:, 0], outer.iloc[:, 1], marker='x', color='r') # 画异常离散点 plt.plot([0, len(result)], [conf_intveral[0], conf_intveral[0]]) # 置信区间线条 plt.plot([0, len(result)], [conf_intveral[1], conf_intveral[1]]) # 置信区间线条 plt.text(0, conf_intveral[0], '{:.2f}'.format(conf_intveral[0])) # 置信区间数字显示 plt.text(0, conf_intveral[1], '{:.2f}'.format(conf_intveral[1])) # 置信区间数字显示 info = 'outer count:{}'.format(len(outer.iloc[:, 0])) plt.text(min(x), max(result)-((max(result)-min(result)) / 2), info) # 异常点数显示 plt.xlabel('sample count') plt.ylabel('value') # 绘制概率图 if std != 0: # 如果所有取值都相同 fig.add_subplot(2, 1, 2) x = np.arange(min(result), max(result), 0.1) y = _normfun(x, result.mean(), result.std()) plt.plot(x, y) # 这里画出理论的正态分布概率曲线 plt.hist(result, bins=10, rwidth=0.8, density=True) # bins个柱状图,宽度是rwidth(0~1),=1没有缝隙 info = 'mean:{:.2f}\nstd:{:.2f}\nmode num:{:.2f}'.format(mean, std, np.median(result)) plt.text(min(x), max(y) / 2, info) plt.xlabel('value') plt.ylabel('Probability') else: fig.add_subplot(2, 1, 2) info = 'non-normal distribution!!\nmean:{:.2f}\nstd:{:.2f}\nmode num:{:.2f}'.format(mean, std, np.median(result)) plt.text(0.5, 0.5, info) plt.xlabel('value') plt.ylabel('Probability') plt.savefig('./distribution.jpg') plt.show() print(time.strftime('%Y-%m-%D %H:%M:%S'))
以上就是python 生成正态分布数据,并绘图和解析的详细内容,更多关于python 正态分布的资料请关注其它相关文章!
金狮镖局 Design By www.egabc.com
金狮镖局
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
金狮镖局 Design By www.egabc.com
暂无python 生成正态分布数据,并绘图和解析的评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
2024年10月08日
2024年10月08日
- 《丁当 20首重量级歌曲 Fu Good 下一站天后 2CD》[WAV/分轨][650MB]
- 歌莉雅.2012-My.Voice.Story【环星】【FLAC分轨】
- 群星.1993-一曲成名·青春无悔【飞碟】【WAV+CUE】
- 刘德华.2000-爱无知(金装版)【NEWMELODY】【WAV+CUE】
- 许巍《时光漫步》1CD[FLAC/分轨][804.3MB]
- 群星《2024第一季度百度歌曲排行抖音榜top100》1CD[FLAC/分轨][2.3GB]
- 张柏芝《全新经验》[FLAC/分轨][450MB]
- 唐朝.2008-浪漫骑士【音乐家】【WAV+CUE】
- 张芸京.2016-失败的高歌【泡耳音乐】【WAV+CUE】
- 群星.1991-音乐工厂1·皇后大道东【音乐工厂】【WAV+CUE】
- 群星.1992-音乐工厂2·首都【音乐工厂】【WAV+CUE】
- 群星.1994-音乐工厂3·儿童乐园【音乐工厂】【WAV+CUE】
- 胡鸿钧.2021-ex:CHANGE【星梦娱乐】【WAV+CUE】
- 班得瑞原装进口《第一张新世纪专辑:仙境》1CD[APE/CUE分轨][292.3MB]
- 伍佰《摇滚教父 伍佰黄金精选 2CD》[WAV+CUE][990MB]