我正在进行一个电气工程项目，需要绘制一组数据的正态分布图。
我们随机测量了30个电阻器的电阻，并记录了下来。
X = [14.95, 14.94, 14.92, 14.98, 16.53, 14.96, 16.20, 14.32, 15.32, 14.25, 15.36, 14.95, 15.13, 14.26, 14.94, 15.6, 15.20, 14.94, 15.02, 15, 14.62, 14.94, 14.94, 14.98, 15.12, 15.06, 14.95, 14.96, 15.13, 15.20]
我想要得到这样的图表：
但我得到的图表是这样的：
我需要在图表上增加更多靠近均值的数据点。
这是我目前使用的代码：
回答：
如果我正确理解了您的问题，我认为您只是想添加更多的数据点来生成正态分布曲线。
mu = np.mean(X)sigma = np.std(X) #您手动计算了它，但也可以使用这个内置函数data = np.random.normal(mu, sigma, SIZE_OF_DATA_YOU_NEED)然而，如果您只是想形成正态分布曲线，您不能只将每个值与其概率密度函数进行绘制。
尝试以下方法：
count, bins, ignored = plt.hist(data, 30, normed=True)plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ),linewidth=2, color='r')plt.show()您可能还需要将X与新的数据点进行拼接。
希望这对您有所帮助，同时附上numpy.random.normal()的链接，以防对您有帮助（https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.random.normal.html）。
