正态分布图生成器的Python实现

1. 引言

在数据分析工作中，能够直观地展示数据的分布情况是非常重要的。通过正态分布图，我们可以快速了解数据的集中趋势、离散程度以及数据是否呈现正态分布。为了简化这一过程，我开发了一个小工具，可以通过图形界面让用户输入数据并生成正态分布图。

2. 开发环境

• Python 版本: 3.12.3
• 主要库:
  • Tkinter: 用于创建GUI应用程序。
  • Matplotlib 和 Seaborn: 用于数据可视化和绘制图表。
  • Numpy: 用于数据处理和计算。

3. 代码实现

import tkinter as tk
from tkinter import filedialog, messagebox
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示为方块的问题

# 创建应用程序的主窗口
class NormalDistributionApp(tk.Tk):
    def __init__(self):
        super().__init__()
        self.title("正态分布图生成器")
        self.geometry("400x500")

        # 输入数据标签和文本框
        self.label_data = tk.Label(self, text="输入数据（用空格分隔）：")
        self.label_data.pack(pady=10)
        self.entry_data = tk.Entry(self, width=50)
        self.entry_data.pack(pady=10)

        # 输入总分标签和文本框
        self.label_total_score = tk.Label(self, text="输入总分：")
        self.label_total_score.pack(pady=10)
        self.entry_total_score = tk.Entry(self, width=50)
        self.entry_total_score.pack(pady=10)

        # 输入文件名标签和文本框
        self.label_filename = tk.Label(self, text="输入图片文件名：")
        self.label_filename.pack(pady=10)
        self.entry_filename = tk.Entry(self, width=50)
        self.entry_filename.pack(pady=10)

        # 输入X轴标签
        self.label_xlabel = tk.Label(self, text="X轴标签：")
        self.label_xlabel.pack(pady=10)
        self.entry_xlabel = tk.Entry(self, width=50)
        self.entry_xlabel.pack(pady=10)

        # 输入Y轴标签
        self.label_ylabel = tk.Label(self, text="Y轴标签：")
        self.label_ylabel.pack(pady=10)
        self.entry_ylabel = tk.Entry(self, width=50)
        self.entry_ylabel.pack(pady=10)

        # 生成图像按钮
        self.button_generate = tk.Button(self, text="生成正态分布图", command=self.generate_plot)
        self.button_generate.pack(pady=20)

    def generate_plot(self):
        try:
            # 获取用户输入数据并转换为列表
            data_str = self.entry_data.get()
            data = list(map(float, data_str.split()))  # 使用空格分隔

            # 获取总分
            total_score_str = self.entry_total_score.get().strip()
            total_score = float(total_score_str) if total_score_str else None

            # 获取文件名
            filename = self.entry_filename.get().strip()

            # 获取X轴和Y轴标签
            xlabel = self.entry_xlabel.get().strip()
            ylabel = self.entry_ylabel.get().strip()

            # 生成正态分布图
            plt.figure(figsize=(10, 6))
            sns.histplot(data, kde=True, color='skyblue', bins=15, edgecolor='black', linewidth=1.5)

            # 添加自定义标签和标题
            plt.title(filename, fontsize=20, pad=20)  # 更大的标题字体
            plt.xlabel(xlabel, fontsize=16)
            plt.ylabel(ylabel, fontsize=16)

            # 设置X轴范围为0到总分
            if total_score:
                plt.xlim(0, total_score)

            # 优化网格线
            plt.grid(True, linestyle='--', alpha=0.6)

            # 调整图表布局
            plt.tight_layout()

            if not filename.endswith(".png"):
                filename += ".png"
            # 保存图像
            plt.savefig(filename)
            plt.close()

            # 成功消息
            messagebox.showinfo("成功", f"图像已成功保存为 {filename}")

        except Exception as e:
            # 错误处理
            messagebox.showerror("错误", f"生成图像时发生错误：{e}")


# 运行应用程序
if __name__ == "__main__":
    app = NormalDistributionApp()
    app.mainloop()

3.1 代码解析

• Tkinter界面：使用Tkinter创建图形界面，包含输入框和按钮，用户可以输入数据、总分、文件名以及X轴和Y轴标签。
• 数据处理：用户输入的数据通过split()方法分隔并转换为浮点数列表。
• 绘制图表：使用Matplotlib和Seaborn绘制正态分布图。图表包括数据的直方图和内核密度估计线。
• 保存图像：生成的图像以用户指定的文件名保存到本地，支持PNG格式。

3.2 字体和负号处理

为了支持中文和正确显示负号，使用以下代码进行设置：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示为方块的问题

3.3 异常处理

在生成图像的过程中，可能会遇到错误，例如数据输入格式不正确或无法保存文件。为了保证用户体验，使用try-except块进行异常捕获，并通过消息框显示错误信息。

4. 运行效果

该应用程序运行后，用户可以通过简单的图形界面输入数据并生成正态分布图。生成的图像会自动保存到指定的文件名中，并显示成功消息。

5. 总结

通过本文的介绍，你可以轻松地创建一个正态分布图生成器，并应用于自己的数据分析工作中。这个工具的界面友好，功能实用，可以帮助你快速了解数据的分布情况。

如果你有任何问题或建议，欢迎在评论区留言！