Matplotlib取代minitab绘制正态分布图

于 2021-04-06 16:10:48 发布
阅读量1.5k 收藏 1
点赞数
文章标签： python matplotlib
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fillwang/article/details/115463336
版权

        众所周知，Minitab在数据统计领域的地位不可动摇。笔者最近遇到这样的事情，因版权问题，公司的minitab使用受到限制，有部分同事需要绘制正态分布图来统计产品良率。那怎么办？笔者之前也调查了一些用户，了解他们使用minitab的原因，有部分其实只是绘制一下正态分布图。问题就简单了，笔者就想到了matplotlib, 当然少不了Python语言的支持。

        整个绘图过程流程如下：

 

         过程并不复杂，网上的参考示例比较多，介绍的也比较详细，在这里我也就不一一展开了。

         通过这个小案例，这里面的实现过程其实比较简单，主要是对pandas和numpy的了解，写了有一段时间的python, 对这两个函数的了解深感惭愧，还有很多的东西需要去学习。另外也有收获的地方，没有谁要求只有minitab才可以绘制正态分布图，有的时候，跳出固有的思维方式，也许会有更大的收货。

          写这个小的分享的时候，我也在考虑，是不是该研究研究用python制作产品标签取代codesoft了？

fillwang
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
6SQ统计插件(一款可替代Minitab，Jmp的质量小软件)
Tisty的兵工厂--新Blog:http://www.UbuntuSky.cn
08-07 8327
alimama_pid="mm_10809884_1047205_2744758"; alimama_titlecolor="0000FF"; alimama_descolor ="000000"; alimama_bgcolor="FFFFFF"; alimama_bordercolor="E6E6E6"; alimama_linkcolor="008000";
6SQ统计EXCEL插件
08-07
一个替代MiniTab，JMP等专业统计软件的大部分功能的Excel统计插件！ 它的特点小巧，易用，实用. 由鹰蛇工作室与6SQ.Net共同合作完成。 完全是国产的专业统计软件. 命名为"6SQ统计"
Excel与minitab的不同
玮哥的博客
03-30 4184
minitab是专业数据分析软件,可以直接通过导入数据源出结果,出图表, EXCEL的长处就是单元格可编辑,可视化强,也能做较多的分析,导入一些加载宏后功能更强大,但就分析能力而言,还 是比minitab要弱   做项目的专业人士当然首选minitab,一般的办公人员有EXCEL足矣.
非常实用的6SQ统计软件
08-14
统计功能多种多样：本插件提供很多基本和高级的统计方法，功能极多。
替代盗版软件的免费软件列表
yaoyansi的专栏
05-08 4205
from http://www.neowin.net/forum/index.php?showtopic=320017Items marked in bold are new additions.3D Graphics:3Delight Free - http://www.3delight.com/index.htmAnim8or - http://www.anim8or.com/Aqsis
SPSS，SAS，stata等多种统计软件对比
猪猪也要飞
11-30 1万+
EViews 是美国GMS公司1981年发行第1版的Micro TSP的Windows版本，通常称为计量经济学软件包。EViews是Econometrics Views的缩写，它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、 估计模型、检验模型、运用模型进行预测、求解模型和运用模型。EViews是完成上述任务得力的必不
matplotlib学习—画等高线图
我要变强( ¯ □ ¯ )
06-25 2万+
matplotlib学习记录：画简单的等高线图
python画cpk图_python cpk 计算
weixin_39960793的博客
11-22 1423
代码如下:def cpk_calc(df_data: pd.DataFrame, usl, lsl):""":param df_data: 数据dataframe:param usl: 数据指标上限:param lsl: 数据指标下限:return:"""sigma = 3# 若下限为0, 则使用上限反转负值替代if int(lsl) == 0:lsl = 0 - usl# 数据平均值u = df...
统计推断——正态性检验（图形方法、偏度和峰度、统计（拟合优度）检验）
热门推荐
huangguohui_123的博客
05-14 2万+
正态分布是很多计量数据比较分析的假设前提，因此在做比较分析之前要首先验证样本数据所代表的总体是否服从正态分布(这样说太费劲，我们以后还是简单地说成“数据是否正态”)。当然对于比率数据的比较也需要满足分布前提，通常是二项分布和泊松分布，对于二项分布的比率比较，一般不需要做分布的验证。而对泊松分析的比率比较则需要事先验证其分布，验证方法就是卡方检验，这已在我前面发表的《抽样分布篇之五：卡尔•皮尔逊和卡...
Minitab是制造业在质量管理方面的重要工具
03-09
Minitab是为质量改善、教育和研究应用领域提供统计软件和服务的先导。是全球领先的质量管理和六西格玛实施软件工具，更是持续质量改进的良好工具软件。
使用python绘制3维正态分布图的方法
12-26
今天使用python画了几个好玩的3D展示图，现在分享给大家。 先贴上图片 使用的python工具包为： from matplotlib import pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D 在贴代码...
在python中画正态分布图像的实例
09-19
`mlab.normpdf()`函数用于计算正态分布的概率密度值，将其与直方图一起绘制，可以直观地对比实际数据与理论分布的吻合程度。以下是如何实现这一功能的示例： ```python def demo2(): mu, sigma, num_bins = 0, 1, ...
python调用Matplotlib绘制分布点图
09-18
主要为大家详细介绍了python调用Matplotlib绘制分布点图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
4_编程实现绘制标准正态分布的密度函数图像。_
10-03
在编程领域，绘制标准正态分布的密度函数图像是一项常见的任务，它可以帮助我们直观地理解概率分布，并在统计分析和机器学习中发挥重要作用。标准正态分布，也称为高斯分布，是一个平均值（均值）为0，标准差为1的...
十大免费软件替换盗版软件
phphot
01-18 2291
中国一直有着很高的软件盗版率阻碍着正版的发展，软件盗版在中国已经逐渐形成了一条产业链，并影响着软件业和游戏业的发展，其实，盗版软件并非大家的最好选择，免费软件发展到现在，已经完全可以完成大多数正版软件能够完成的功能，今天，我就为大家推荐一些优秀的免费软件，帮助大家打造一个没有破解和盗版的软件世界。　　1、压缩工具：7-ZIP　　替换目标：WinRAR　　7-Zip是一款GNU/LPGL协议下分发的
四个国产软件大推荐！功能强大到无法无天，建议收藏！
佛系软件
11-24 7568
今天小编要给大家分享的是四款国产软件，这四款国产软件几乎没有人知道，但是功能却非常的强大！   软件一：火绒安全软件 自从互联网诞生以来，各种病毒都在到处传播，这个时候就自然有了一系列的杀毒软件，火绒杀毒软件可以说是互联网上的一股清流了，不仅没有各种插件，而且增加电脑系统在应对出现安全问题时的防御能力，安全性还比较高！ 软件二：冰点文库下载器 无论你需要什么资源，只需要通过这个下载器...
利用matplotlib绘制标准正态分布图像
最新发布
09-15
### 回答1： 可以使用scipy.stats模块中的norm函数生成标准正态分布的概率密度函数，然后使用matplotlib绘制其图像。以下是一个示例代码： ```python import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm # 生成一些x值，在[-3, 3]范围内均匀分布 x = np.linspace(-3, 3, 100) # 生成标准正态分布的概率密度函数 pdf = norm.pdf(x) # 绘制图像 plt.plot(x, pdf) plt.xlabel('x') plt.ylabel('Probability density') plt.title('Standard normal distribution') plt.show() ``` 运行以上代码，会显示一个标准正态分布的概率密度函数图像。 ### 回答2： 使用matplotlib绘制标准正态分布图像可以通过以下步骤实现： 1. 导入所需的库：导入matplotlib库并将其命名为plt，导入numpy库并将其命名为np。 2. 生成数据：使用numpy库中的random模块生成满足标准正态分布要求的随机数。可以使用np.random.normal函数，指定均值为0，方差为1，生成一定数量的随机数。将这些数据保存在一个数组中。 3. 绘制图像：使用plt.hist函数绘制直方图，传入生成的数据和所需的参数。可以指定直方图的边界、密度参数等。另外，可以使用plt.plot函数绘制标准正态分布曲线，传入横坐标和纵坐标的值。 4. 设置图像属性：可以设置图像的标题、坐标轴标签、图例等属性。 5. 显示图像：使用plt.show函数显示绘制的图像。 以下是一个示例代码： ```python import matplotlib.pyplot as plt import numpy as np # 生成满足标准正态分布要求的随机数 data = np.random.normal(0, 1, 1000) # 绘制直方图 plt.hist(data, bins=30, density=True, alpha=0.7) # 绘制标准正态分布曲线 x = np.linspace(-4, 4, 100) y = np.exp(-x**2 / 2) / np.sqrt(2*np.pi) plt.plot(x, y, color='red', linewidth=2) # 设置图像属性 plt.title('Standard Normal Distribution') plt.xlabel('Value') plt.ylabel('Density') plt.legend(['Standard Normal Distribution', 'Generated Data']) # 显示图像 plt.show() ``` 这段代码使用numpy库的random模块生成了1000个满足标准正态分布的随机数，并绘制了直方图和标准正态分布曲线。图像的标题为"Standard Normal Distribution"，横坐标标签为"Value"，纵坐标标签为"Density"，并添加了图例。运行代码后，会显示绘制的图像。 ### 回答3： 要利用matplotlib绘制标准正态分布图像，可以按照以下步骤操作： 1. 首先，导入需要的库，包括numpy和matplotlib： import numpy as np import matplotlib.pyplot as plt 2. 然后，使用numpy生成一组标准正态分布的随机数，可以使用np.random.randn函数，参数为样本数量： data = np.random.randn(1000) 3. 接下来，使用matplotlib的plot函数绘制直方图，参数为数据和直方的数量： plt.hist(data, bins=30, density=True, alpha=0.5) 这里设置参数density=True用于将直方图的面积归一化为概率密度，alpha=0.5设置直方图的透明度。 4. 还可以使用matplotlib的plot函数绘制标准正态分布的概率密度函数曲线，可以使用numpy的linspace函数生成x轴上的点： x = np.linspace(-4, 4, 100) y = np.exp(-x ** 2 / 2) / np.sqrt(2 * np.pi) plt.plot(x, y, 'r') 这里设置参数'r'表示曲线为红色。 5. 最后，使用matplotlib的show函数显示图像： plt.show() 这样就可以得到一个绘制了标准正态分布直方图和概率密度函数曲线的图像。 综上所述，以上步骤是利用matplotlib绘制标准正态分布图像的示例。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值