正态分布：

若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布，记为N(μ,σ)

其中期望值决定密度函数的位置，标准差决定分布的幅度，当υ=0，σ=0 时的正态分布是标准正态分布

判断方法有画图/k-s检验

画图：

#导入模块import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline#构造一组随机数据s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])#画散点图和直方图fig = plt.figure(figsize = (10,6))ax1 = fig.add_subplot(2,1,1) # 创建子图1ax1.scatter(s.index, s.values)plt.grid()ax2 = fig.add_subplot(2,1,2) # 创建子图2s.hist(bins=30,alpha = 0.5,ax = ax2)s.plot(kind = 'kde', secondary_y=True,ax = ax2)plt.grid()

结果如下：

使用ks检验：

#导入scipy模块from scipy import stats"""kstest方法：KS检验，参数分别是：待检验的数据，检验方法（这里设置成norm正态分布），均值与标准差结果返回两个值：statistic → D值，pvalue → P值p值大于0.05，为正态分布H0:样本符合 H1:样本不符合 如何p>0.05接受H0 ,反之 """u = s['value'].mean() # 计算均值std = s['value'].std() # 计算标准差stats.kstest(s['value'], 'norm', (u, std))

结果是KstestResult(statistic=0.01441344628501079, pvalue=0.9855029319675546)，p值大于0.05为正太分布

以上就是python 判断一组数据是否符合正态分布的详细内容，更多关于python 正态分布的资料请关注其它相关文章！