高斯分布也称为正态分布，其概率密度函数如下： 

使用Python绘制正态分布曲线，借助matplotlib绘图工具。 代码如下：

# plot Gaussian Function
# 注：正态分布也叫高斯分布
import matplotlib.pyplot as plt
import numpy as np

u1 = 0  # 第一个高斯分布的均值
sigma1 = 1  # 第一个高斯分布的标准差

u2 = 1  # 第二个高斯分布的均值
sigma2 = 2  # 第二个高斯分布的标准差
x = np.arange(-5, 5, 0.1)
# 表示第一个高斯分布函数
y1 = np.multiply(np.power(np.sqrt(2 * np.pi) * sigma1, -1), np.exp(-np.power(x - u1, 2) / 2 * sigma1 ** 2))
# 表示第二个高斯分布函数
y2 = np.multiply(np.power(np.sqrt(2 * np.pi) * sigma2, -1), np.exp(-np.power(x - u2, 2) / 2 * sigma2 ** 2))

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决pythonmatplotlib绘图无法显示中文的问题
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.subplot(121)
plt.plot(x, y1, 'b-', linewidth=2)
plt.title("高斯分布函数图像")

plt.subplot(122)
plt.plot(x, y2, 'r-', linewidth=2)
plt.title('高斯分布函数图像')
plt.show()

输出结果如下：

另外python绘图小技巧如下，哪天python绘图显示异常可以回来看看~~ ：

# python 绘图中的技巧（显示中文标签，显示负号，共用x轴，设置轴的属性等）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
fig=plt.figure(figsize=（10,6)）#设置画布大小
ax=fig.add_subplot(111)#设置子图一行一列第一个
ax.spines['left'].set_color ('r')#设置左轴的颜色
ax.tick_params( axis='y',direction='out', colors='red',
            labelcolor='r',   labelsize=10)#设置y轴颜色，外凸，字体大小，y轴标签颜色
ax.set_yticks(range(160, 320, 20))#设置y轴标签显示范围以及间隔
ax2 = ax.twinx()#共享x轴
ax3.invert_yaxis()#反转y轴
ax3.set_xlim(20,32)#设置x轴的范围

附一个正态分布的比较正式的代码（可以参考下）：

#-*-coding:utf-8-*-
"""
python绘制标准正态分布曲线
"""
# ==============================================================
import numpy as np
import math
import matplotlib.pyplot as plt


def gd(x, mu=0, sigma=1):
  """根据公式，由自变量x计算因变量的值

  Argument:
    x: array
      输入数据（自变量）
    mu: float
      均值
    sigma: float
      方差
  """
  left = 1 / (np.sqrt(2 * math.pi) * np.sqrt(sigma))
  right = np.exp(-(x - mu)**2 / (2 * sigma))
  return left * right


if __name__ == '__main__':
  # 自变量
  x = np.arange(-4, 5, 0.1)
  # 因变量（不同均值或方差）
  y_1 = gd(x, 0, 0.2)
  y_2 = gd(x, 0, 1.0)
  y_3 = gd(x, 0, 5.0)
  y_4 = gd(x, -2, 0.5)

  # 绘图
  plt.plot(x, y_1, color='green')
  plt.plot(x, y_2, color='blue')
  plt.plot(x, y_3, color='yellow')
  plt.plot(x, y_4, color='red')
  # 设置坐标系
  plt.xlim(-5.0, 5.0)
  plt.ylim(-0.2, 1)

  ax = plt.gca()
  ax.spines['right'].set_color('none')
  ax.spines['top'].set_color('none')
  ax.xaxis.set_ticks_position('bottom')
  ax.spines['bottom'].set_position(('data', 0))
  ax.yaxis.set_ticks_position('left')
  ax.spines['left'].set_position(('data', 0))

  plt.legend(labels=['$\mu = 0, \sigma^2=0.2$', '$\mu = 0, \sigma^2=1.0$', '$\mu = 0, \sigma^2=5.0$', '$\mu = -2, \sigma^2=0.5$'])
  plt.show()

以上代码输出结果：