python正态分布

2023-03-26 10:10| 来源: 网络整理| 查看: 265

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(resulan(), result.std()) y = normfun(x, resulan(), 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 up_whisker) | (df

【本文地址】

公司简介

联系我们