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()