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 np

import pandas as pd

import 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1

ax1.scatter(s.index, s.values)

plt.grid()

ax2 = fig.add_subplot(2,1,2) # 创建子图2

s.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WEB开发者其它相关文章！