【代码】python中使用jupyter notebook 绘制正态分布直方图。

安装 Python 核心数据可视化库，提供基础绘图能力，支持高度自定义；：安装基于 Matplotlib 的高级统计可视化库，语法简洁、样式美观，适配 Pandas 数据结构；核心关系：Seaborn 依赖 Matplotlib，前者简化统计绘图，后者负责底层控制，常搭配使用。

statsmodels 核心是统计建模 + 完整的统计推断，专注于输出专业的统计摘要，适合线性回归、时间序列分析等场景；对比 scipy.stats：scipy 是 “统计工具包”，statsmodels 是 “完整的统计建模框架”；最常用的功能是线性回归（OLS）和时间序列分析（ARIMA），适合需要做统计显著性检验、模型解释的分析场景。

这段代码里的 stats.norm.fit()（拟合分布）、stats.norm.pdf()（计算概率密度）、stats.norm.interval()（计算置信区间）都是 SciPy 提供的核心功能，没有 SciPy 你需要自己写大量复杂的数学公式。，可以把它理解为 Python 版的 “科学计算工具箱”——NumPy 主要解决数组和矩阵的基础运算，而 SciPy 在其之上封装了大量针对工程、科

📌 前言最近在学习 AI 应用开发，发现 Dify 是一个非常优秀的开源 LLM 应用开发平台。本文记录在腾讯云轻量应用服务器上部署 Dify 的完整过程，希望能帮助到有需要的朋友。最终成果： 成功部署后，可以通过http://xxxxxxxxx 访问自己的 Dify 实例。

在package.json中 安装viewerjs。

如果我们不在登录成功后主动将用户信息存入 Redux，那么在跳转后，username 会是空的，导致 useLoadUserData 钩子发起 AJAX 请求去获取用户信息。通过使用 useDispatch 主动 dispatch 用户信息，我们确保了在跳转后，Redux store 中已经有正确的用户信息，避免了额外的网络请求和潜在的时序问题。：通过 useDispatch 获取 dispatc

📌 前言最近在学习 AI 应用开发，发现 Dify 是一个非常优秀的开源 LLM 应用开发平台。本文记录在腾讯云轻量应用服务器上部署 Dify 的完整过程，希望能帮助到有需要的朋友。最终成果： 成功部署后，可以通过http://xxxxxxxxx 访问自己的 Dify 实例。

statsmodels 核心是统计建模 + 完整的统计推断，专注于输出专业的统计摘要，适合线性回归、时间序列分析等场景；对比 scipy.stats：scipy 是 “统计工具包”，statsmodels 是 “完整的统计建模框架”；最常用的功能是线性回归（OLS）和时间序列分析（ARIMA），适合需要做统计显著性检验、模型解释的分析场景。

这段代码里的 stats.norm.fit()（拟合分布）、stats.norm.pdf()（计算概率密度）、stats.norm.interval()（计算置信区间）都是 SciPy 提供的核心功能，没有 SciPy 你需要自己写大量复杂的数学公式。，可以把它理解为 Python 版的 “科学计算工具箱”——NumPy 主要解决数组和矩阵的基础运算，而 SciPy 在其之上封装了大量针对工程、科