Python绘制概率分布直方图实战：正态分布与统计量可视化

林舟

发布时间：2026-10-15| 5人浏览过

原创

本文详解如何使用Python的Matplotlib和NumPy库绘制概率分布直方图。通过两个具体案例，展示如何生成正态分布数据、构建混合变量及统计量，并调整直方图的密度与分箱参数，实现数据分布的直观可视化分析。

前言

直方图是一种高效展示数据概率分布的可视化工具，其直观易懂的特性使其深受数据分析师与爱好者的青睐。在实际应用中，开发者常借助 matplotlib、seaborn 等高级封装库进行绘图，这类工具能够便捷地生成专业的统计图表。

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()