如何从 Python 中的数据框制作正态分布图？

Question

我的问题是如何从 Python 中的数据框制作正态分布图。我可以找到很多信息来从随机数制作这样的图表，但我不知道如何从数据框制作它。

首先，我生成了随机数并制作了一个数据框。

import numpy as np
import pandas 
from pandas import DataFrame

cv1 = np.random.normal(50, 3, 1000)

source = {"Genotype": ["CV1"]*1000, "AGW": cv1}
Cultivar_1=DataFrame(source)

然后，我试着做了一个正态分布图。

sns.kdeplot(data = Cultivar_1['AGW'])
plt.xlim([30,70])  
plt.xlabel("Grain weight (mg)", size=12)    
plt.ylabel("Frequency", size=12)                
plt.grid(True, alpha=0.3, linestyle="--")     
plt.show()

但是，这是一个密度图，不是使用均值和标准差.[=15计算的正态分布图=]

你能告诉我制作正态分布图需要用到哪些代码吗？

谢谢！！

Answer 1

我找到了一种从数据框制作正态分布图的解决方案。

#Library
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.stats as stats

#Generating data frame
x = np.random.normal(50, 3, 1000)
source = {"Genotype": ["CV1"]*1000, "AGW": x}
df = pd.DataFrame(source)

# Calculating mean and Stdev of AGW
df_mean = np.mean(df["AGW"])
df_std = np.std(df["AGW"])
 
# Calculating probability density function (PDF)
pdf = stats.norm.pdf(df["AGW"].sort_values(), df_mean, df_std)

# Drawing a graph
plt.plot(df["AGW"].sort_values(), pdf)
plt.xlim([30,70])  
plt.xlabel("Grain weight (mg)", size=12)    
plt.ylabel("Frequency", size=12)                
plt.grid(True, alpha=0.3, linestyle="--")
plt.show()

Answer 2

我在使用 dataframe 时遇到问题，在绘制时它显示多行，然后在您的代码中找到了解决方案。谢谢！！

通过在 pdf 和 plt.plot 行添加 .sort_values() 到 df。

pdf = stats.norm.pdf(df["AGW"].sort_values(), df_mean, df_std)

plt.plot(df["AGW"].sort_values(), pdf)

如何从 Python 中的数据框制作正态分布图？

How to make a normal distribution graph from data frame in Python?

python

normal-distribution