使用NumPy和Seaborn进行正态分布数据分析与可视化实战

1次阅读

没有评论

共计 1656 个字符，预计需要花费 5 分钟才能阅读完成。

在数据分析工作中，我们经常需要生成符合特定统计特性的数据来模拟真实场景或测试算法。正态分布（高斯分布）是最常见的连续概率分布之一，广泛应用于金融、工程、自然科学等领域。然而，手动生成这些数据并验证其统计特性往往面临以下挑战：

如何快速生成大量符合特定参数的正态分布数据
如何准确计算关键统计量（均值、方差等）
如何直观地可视化数据分布特征
如何确保生成的数据符合预期分布特性

Python 生态中有多个库可用于生成和分析正态分布数据，以下是主要选项对比：

NumPy
优势：轻量级，专注于数值计算，随机数生成性能优异
劣势：统计功能相对基础，可视化需要配合其他库
SciPy
优势：提供更丰富的统计分布和检验方法
劣势：API 相对复杂，生成随机数性能略低于 NumPy
Pandas
优势：内置统计方法和便捷的数据结构
劣势：生成随机数底层依赖 NumPy，内存开销较大

对于本案例的简单正态分布生成和分析任务，NumPy+Seaborn 的组合在性能和易用性上达到了最佳平衡。

数据生成
使用 numpy.random.normal() 函数生成正态分布数据，需指定三个关键参数：
loc：分布的均值
scale：分布的标准差
size：生成数据的数量
统计量计算
均值：numpy.mean()
中位数：numpy.median()
方差：numpy.var()
数据可视化
使用 Seaborn 的 histplot() 函数绘制直方图，通过设置 kde=True 添加核密度估计曲线，再用 axvline() 标注均值线。

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 生成 1000 个符合 N(50,10)的正态分布随机数
data = np.random.normal(loc=50, scale=10, size=1000)

# 计算统计量
mean = np.mean(data)
median = np.median(data)
variance = np.var(data)

print(f'均值: {mean:.2f}')
print(f'中位数: {median:.2f}')
print(f'方差: {variance:.2f}')

# 绘制直方图与核密度曲线
plt.figure(figsize=(10, 6))
ax = sns.histplot(data, bins=30, kde=True, stat='density')

# 添加均值线
ax.axvline(mean, color='r', linestyle='--', label=f'均值 = {mean:.2f}')
ax.legend()

plt.title('正态分布数据直方图(μ=50, σ=10)')
plt.xlabel('数值')
plt.ylabel('密度')
plt.show()