如何用Python从数据框中制作正态分布图？

1 人关注

我的问题是如何在Python中从数据框中制作一个正态分布图。我可以找到很多关于从随机数制作这种图形的信息，但我不知道如何从数据框中制作。

首先，我生成了随机数字并制作了一个数据框架。

import numpy as np
import pandas 
from pandas import DataFrame
cv1 = np.random.normal(50, 3, 1000)
source = {"Genotype": ["CV1"]*1000, "AGW": cv1}
Cultivar_1=DataFrame(source)
然后，我试着做了一个正态分布图。
sns.kdeplot(data = Cultivar_1['AGW'])
plt.xlim([30,70])  
plt.xlabel("Grain weight (mg)", size=12)    
plt.ylabel("Frequency", size=12)                
plt.grid(True, alpha=0.3, linestyle="--")     
plt.show()
然而，这是一个密度图，而不是正态分布图，正态分布图的计算方法是用意味着和标准差.
你能让我知道我需要用哪些代码来制作正态分布图吗？
谢谢！！！。


         
          python


         
          normal-distribution


          
           已采纳


          
           
            我找到了一个解决方案，从数据框中制作正态分布图。
           
           #Library
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.stats as stats
#Generating data frame
x = np.random.normal(50, 3, 1000)
source = {"Genotype": ["CV1"]*1000, "AGW": x}
df = pd.DataFrame(source)
# Calculating mean and Stdev of AGW
df_mean = np.mean(df["AGW"])
df_std = np.std(df["AGW"])
# Calculating probability density function (PDF)
pdf = stats.norm.pdf(df["AGW"].sort_values(), df_mean, df_std)
# Drawing a graph
plt.plot(df["AGW"].sort_values(), pdf)
plt.xlim([30,70])  
plt.xlabel("Grain weight (mg)", size=12)    
plt.ylabel("Frequency", size=12)                
plt.grid(True, alpha=0.3, linestyle="--")
plt.show()


          
           
            
             
             
              SmitShah_19
             
            
            
             发布于
             
             2022-06-06


          
           
            #Loading dependencies
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.stats as stats
# Generating the dataframe
cv1 = np.random.normal(50, 3, 1000)
source = {"Genotype": ["CV1"]*1000, "AGW": cv1}
dataframe = pd.DataFrame(source)
# Calculating the mean and standard deviation of the parameter "AGW":
mean = dataframe["AGW"].mean()
std = dataframe["AGW"].std()
s = np.random.normal(mean, std, 100) 
# This mean and standard deviation will be useful to create the normal distribution graph
# Creating the normal distribution graph for the column "AGW"
count, bins, ignored = plt.hist(s, 100, density=True)
# Mathematical representation/formula of the normal distribution
plt.plot(bins, 1/(std * np.sqrt(2 * np.pi)) *
                       np.exp( - (bins - mean)**2 / (2 * std**2) ),
                 linewidth=2, color='r')
# This is the direct function used in stats
pdf = stats.norm.pdf(dataframe["AGW"].sort_values(), mean, std)
plt.plot(dataframe["AGW"].sort_values(), pdf)
plt.xlabel("Grain weight (mg)", size=12)