# -*- coding: utf-8 -*-
"""
Created on Thu Oct 21 10:07:55 2021

@author: Machi
"""

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimSun']
df = pd.read_csv('BSdata.csv')
sns.distplot(df['身高'],kde = True, bins = 20,rug = True)

Python绘制概率分布直方图

一、代码

1、案例一

import random
import numpy as np
import matplotlib.pyplot as plt

X = np.random.normal(loc=10, scale=2, size=(1, 1000))[0]

Y = np.random.normal(loc=10, scale=1.0, size=(1, 1000))[0]

P = np.ones(1000)
P[:600] = 0
np.random.shuffle(P)
# print(P)

Z = X + Y * P

plt.hist(Z, density=True, bins=150)
plt.show()

2、案例二

import random
import numpy as np
import matplotlib.pyplot as plt

n = 1000
# p = 0.4
U = []

for i in range(1000):


    X = np.random.normal(loc=10, scale=2, size=(1, n))[0]

    Y = np.random.normal(loc=10, scale=1.0, size=(1, n))[0]

    P = np.ones(n)
    P[:600] = 0
    np.random.shuffle(P)

    Z = X + Y * P

    a = 1 / pow(n * np.var(Z), 1/2)

    b = sum(Z) - n * np.mean(Z)

    u = a * b

    U.append(u)

plt.hist(U, density=True, bins=60)
plt.show()

二、运行效果

1、案例一

2、案例二

最后，感谢大家的阅读与支持，谢谢大家了啦。

当我们想要弄清楚变量的统计特性时，往往想知道它是服从什么分布的，这时候就需要绘制概率分布直方图

在python中我们可以使用seaborn库来进行绘制：

Seaborn是一个基于matplotlib的Python数据可视化库。它为绘制有吸引力和信息丰富的统计图形提供了高级界面。

首先需要导入seaborn库：

import seaborn as sns

在seaborn中的distplot函数可以完成概率分布直方图和密度图的绘制

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False,
fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None,
color=None, vertical=False, norm_hist=False, axlabel=None,
label=None, ax=None)

下面直接给出我绘制时用到的代码：

import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
from scipy.stats import norm
from scipy.stats import laplace

txt=[]
data=[]
path = r"E:\rtklib\rtklib-test1\stav.txt"

#mpl.rc("figure", figsize=(9, 5))
with open(path, "r") as f:
    txt.append(f.readlines())

for i in range(len(txt[0])):
    data.append(float(txt[0][i].strip().split(',')[1]))

sns.set_palette("hls")
#sns.set_style("whitegrid")
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g = sns.distplot(data,
                 hist=True,
                 kde=True,  # 开启核密度曲线kernel density estimate (KDE)
                 kde_kws={'linestyle': '--', 'linewidth': '1', 'color': '#c72e29',
                          # 设置外框线属性
                          },
                 fit=norm,
                 color='#098154',
                 axlabel='Standardized Residual',  # 设置x轴标题

                 )

plt.show()

其中，distplot的参数中，kde表示是否绘制核密度曲线；fit是选择拟合的分布，来分析数据究竟是符合什么分布，seaborn中提供了很多分布，可以在这里找到，使用时如上我的代码中导入的那样就可以：连续分布类型
最后的效果图如下：

绘制过程中没有加入太多修饰，如果想要好看一点，可以修改一些参数：
其中一个有设置背景 的风格，主要有以下几种：

sns.set_style("whitegrid")
sns.set_style("dark")
sns.set_style("darkgrid")
sns.set_style("white")
sns.set_style("ticks")