用Python为直方图绘制拟合正态分布曲线的两种方法

直方图是用于展示数据的分组分布状态的一种图形，用矩形的宽度和高度表示频数分布，通过直方图，用户可以很直观的看出数据分布的形状、中心位置以及数据的离散程度等。

在python中一般采用matplotlib库的hist来绘制直方图，至于如何给直方图添加拟合曲线（密度函数曲线），一般来说有以下两种方法。

方法一：采用matplotlib中的mlab模块

mlab模块是Python中强大的3D作图工具，立体感效果极佳。在这里使用mlab可以跳出直方图二维平面图形的限制，在此基础上再添加一条曲线。在这里，我们以鸢尾花iris中的数据为例，来举例说明。

import numpy as np 
import matplotlib.mlab as mlab 
import matplotlib.pyplot as plt 
import pandas 
# Load dataset 
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data" 
names = ['sepal-length', 'sepal-width','petal-length', 'petal-width', 'class'] 
dataset = pandas.read_csv(url, names=names) 
print(dataset.head(10)) 
# descriptions 
print(dataset.describe()) 
x = dataset.iloc[:,0] #提取第一列的sepal-length变量 
mu =np.mean(x) #计