python绘制正态分布和t分布图形

这段代码使用 Python 的 numpy、matplotlib 和 scipy 库来绘制正态分布和 t 分布的概率密度函数（PDF）。以下是对代码中复杂或难懂部分的详细解释：

1. 导入库

    import numpy as npimport matplotlib.pyplot as mpfrom scipy import stats

• numpy 是 Python 中用于数值计算的库，通常使用别名 np。
• matplotlib.pyplot 是用于创建可视化图表的库，这里使用别名 mp。
• scipy.stats 提供了大量的概率分布和统计函数。

2. 生成数据点

    x=np.linspace(-4,4,500)

• np.linspace(-4, 4, 500) 生成 500 个在 -4 到 4 之间均匀分布的数，这些数将作为绘图时的 x 轴坐标值。

3. 创建图形并设置绘图属性

    mp.figure('Normal and t Distribution',facecolor='lightgray')mp.title('Normal Distribution',fontsize=20)mp.xlabel('x',fontsize=14)mp.ylabel('y',fontsize=14)mp.tick_params(labelsize=10)mp.grid(linestyle=':')

• mp.figure() 创建一个新的图形窗口，设置窗口标题和背景颜色。
• mp.title()、mp.xlabel() 和 mp.ylabel() 分别设置图表的标题、x 轴标签和 y 轴标签。
• mp.tick_params() 设置坐标轴刻度标签的字体大小。
• mp.grid() 为图表添加虚线样式的网格。

4. 绘制正态分布

    mp.plot(x,stats.norm.pdf(x),label='Normal')mp.show()

• stats.norm.pdf(x) 计算标准正态分布在给定 x 值处的概率密度函数值。
• mp.plot() 绘制正态分布的概率密度函数曲线。
• mp.show() 显示绘制好的图表。

5. 绘制 t 分布

    mp.title('t Distribution',fontsize=20)mp.plot(x,stats.t.pdf (x,5),label='n=5')mp.plot(x,stats.t.pdf (x,30),label='n=30')mp.legend()mp.show()

• stats.t.pdf(x, 5) 和 stats.t.pdf(x, 30) 分别计算自由度为 5 和 30 的 t 分布的概率密度函数值。
• mp.plot() 绘制 t 分布的概率密度函数曲线。
• mp.legend() 为图表添加图例，用于区分不同的曲线。
• mp.show() 显示绘制好的图表。

改进建议

• 代码可读性：添加注释来解释代码各部分的用途。
• 性能：当前代码简单高效，没有明显的性能问题。但如果需要绘制更多分布，可以考虑使用循环来减少代码重复。
• 绘图逻辑：当前代码调用了两次 mp.show()，会打开两个独立的窗口。可以使用子图将两个分布显示在同一个窗口中。
•