Python画概率分布图

在Python中，可以使用各种库来绘制概率分布图。其中最常用的是matplotlib和seaborn库。下面我们将介绍如何使用这些库来绘制不同类型的概率分布图。

1. 直方图

直方图是一种常见的概率分布图，它可以帮助我们了解数据的分布情况。在Python中，可以使用matplotlib库的hist()函数来绘制直方图。

import matplotlib.pyplot as plt
import numpy as np
# 生成随机数据
data = np.random.randn(1000)
# 绘制直方图
plt.hist(data, bins=30, density=True)
plt.show()

在上面的代码中，我们首先导入了matplotlib和numpy库。然后，我们使用numpy的random.randn()函数生成了1000个随机数作为数据。接着，我们使用matplotlib的hist()函数绘制了直方图，其中bins参数指定了直方图的柱子数量，density参数设置为True表示直方图的面积等于概率密度。最后，我们使用show()函数显示了图形。

1. 饼图

饼图是一种常见的概率分布图，它可以帮助我们了解各个分类的概率占比。在Python中，可以使用matplotlib库的pie()函数来绘制饼图。

import matplotlib.pyplot as plt
# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.show()

在上面的代码中，我们首先定义了四个类别和它们对应的概率占比。然后，我们使用matplotlib的pie()函数绘制了饼图，其中labels参数指定了类别的标签，sizes参数指定了每个类别的概率占比。autopct参数用于指定饼图中每个扇区的百分比显示格式。最后，我们使用show()函数显示了图形。

1. 核密度估计图

核密度估计图是一种估计概率密度函数的方法，它可以帮助我们了解数据的概率分布情况。在Python中，可以使用seaborn库的kdeplot()函数来绘制核密度估计图。

import seaborn as sns
import numpy as np
# 生成随机数据
data = np.random.randn(1000)
# 绘制核密度估计图
sns.kdeplot(data)
plt.show()

在上面的代码中，我们首先导入了seaborn库。然后，我们使用numpy的random.randn()函数生成了1000个随机数作为数据。接着，我们使用seaborn的kdeplot()函数绘制了核密度估计图。最后，我们使用show()函数显示了图形。