python获取数组的正态分布参数

利用NumPy库计算均值和标准差

可以使用NumPy库中的mean()和std()函数来计算数组的均值和标准差。示例代码如下：

import numpy as np

arr = np.array([数据列表])
mean = np.mean(arr)
std = np.std(arr)
print('均值:', mean)
print('标准差:', std)

使用统计测试和可视化方法判断正态性

常用的方法包括Shapiro-Wilk检验、Kolmogorov-Smirnov检验等，可以使用scipy库的stats模块实现。此外，还可以绘制直方图、Q-Q图来直观判断分布形态。示例代码：

from scipy import stats
import matplotlib.pyplot as plt

arr = [...]

# Shapiro-Wilk检验
stat, p = stats.shapiro(arr)
print('统计量=%.3f, p=%.3f' % (stat, p))

# 如果p值大于0.05，通常认为数据符合正态分布

# 绘制Q-Q图
stats.probplot(arr, dist='norm', plot=plt)
plt.show()

scipy.stats.norm.fit函数快速拟合参数

scipy库的stats子模块中的norm.fit方法可以直接拟合正态分布，返回均值和标准差。示例如下：

from scipy.stats import norm

arr = [...]  # 你的数据
mu, std = norm.fit(arr)
print('拟合均值:', mu)
print('拟合标准差:', std)