正态分布图是一种常用的统计图表，用于展示数据是否符合正态分布。使用 Python 读取数据并绘制正态分布图可以通过以下步骤实现： ### 1. 安装必要的库 在开始之前，确保安装了 `pandas`、`numpy`、`matplotlib` 和 `seaborn` 这些库。可以使用以下命令进行安装： ```bash pip install pandas numpy matplotlib seaborn ``` ### 2. 读取数据 假设需要读取的数据存储在一个 Excel 文件中，并且该文件的某一列包含数值数据（不含文本内容）。可以使用 `pandas` 来读取数据： ```python import pandas as pd # 读取Excel文件 file_path = 'data.xlsx' # 替换为实际文件路径 column_name = 'Data' # 替换为实际列名 # 读取指定列的数据 data = pd.read_excel(file_path, usecols=[column_name]) ``` ### 3. 绘制正态分布图 利用 `matplotlib` 和 `seaborn` 可以轻松地绘制直方图和拟合曲线，展示数据的分布情况： ```python import seaborn as sns import matplotlib.pyplot as plt # 绘制直方图并叠加正态分布拟合曲线 sns.histplot(data[column_name], kde=True, stat="density", linewidth=0) # 显示图形 plt.title("Normal Distribution Plot") plt.xlabel("Value") plt.ylabel("Density") plt.show() ``` ### 4. 保存生成的图表 如果需要将生成的图表保存到当前目录下，可以在绘图完成后使用 `plt.savefig()` 函数： ```python # 保存图表到当前目录 plt.savefig('normal_distribution_plot.png') ``` ### 5. 高级功能：标注上下限与中心值 可以根据需求设定上限、下限以及中心值，并在图表上标注这些信息： ```python # 计算均值和标准差 mu, sigma = data[column_name].mean(), data[column_name].std() # 设定上下限 lower_bound = mu - sigma upper_bound = mu + sigma # 创建x轴范围 x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) y = (1/(sigma * np.sqrt(2 * np.pi))) * np.exp(-((x - mu)**2)/(2 * sigma**2)) # 绘制正态分布曲线 plt.plot(x, y, color='red', label=f'Normal Distribution\nμ={mu:.2f}, σ={sigma:.2f}') # 标注上下限和中心值 plt.axvline(lower_bound, color='green', linestyle='--', label=f'Lower Bound: {lower_bound:.2f}') plt.axvline(upper_bound, color='blue', linestyle='--', label=f'Upper Bound: {upper_bound:.2f}') plt.axvline(mu, color='black', linestyle='--', label=f'Mean: {mu:.2f}') # 添加图例和标签 plt.legend() plt.grid(True) plt.xlabel("Value") plt.ylabel("Density") plt.title("Normal Distribution with Bounds and Mean") # 保存图表 plt.savefig('normal_distribution_with_bounds.png') # 显示图表 plt.show() ``` 通过上述代码，可以完成从读取数据到生成正态分布图的完整流程。此外，还可以根据具体需求调整图表样式或添加更多分析功能。 ---