要从标准正态分布中获得N个随机样本，您可以使用np.random.randn(N)或scipy的stats.norm.rvs(size=N)。然后可以使用这些样本创建直方图。
要绘制曲线，可以使用stats.norm.pdf(y)，其中y是后续x值的数组。这样的pdf是标准化的，即图下的面积为1。直方图的总面积是样本数乘以箱宽（每个样本福尔斯正好落在一个bin中）。因此，将pdf与该因子相乘将使其缩放到直方图的高度。
stats.norm.pdf(np.random.randn(N))的结果将是N个随机样本的概率列表。大多数样本将在曲线的中心附近结束（在y = 0处），PDF的高度约为0.40。这解释了最大值附近的高峰。

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

N = 100000
# x = np.random.randn(N)
x = stats.norm.rvs(size=N)
num_bins = 20
plt.hist(x, bins=num_bins, facecolor='blue', alpha=0.5)

y = np.linspace(-4, 4, 1000)
bin_width = (x.max() - x.min()) / num_bins
plt.plot(y, stats.norm.pdf(y) * N * bin_width)

plt.show()

字符串

的数据

的数据

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(100_000)
plt.hist(x, bins=20, facecolor="blue", alpha=0.5)

plt.show()

字符串

import numpy as np
import seaborn as sns
N = 1000
x = np.random.randn(N)
sns.histplot(x,bins=20,kde=True,color='red')

字符串

的数据