python normalization,normaltest python,python的norm用法,python中norm,python multivariate normal,python normalize()
Python 中的 NormalDist 是一个用于表示正态分布的类，它提供了计算正态分布概率密度函数、累积分布函数及其逆函数等方法。下面是 NormalDist 的一些常见用法：

1. 创建一个正态分布对象

python
from statistics import NormalDist

# 均值为 0，标准差为 1 的正态分布
nd = NormalDist(mu=0, sigma=1)


2. 计算概率密度函数

python
# 计算 x=0 处的概率密度
nd.pdf(0) # 输出：0.3989422804014327


3. 计算累积分布函数

python
# 计算 x=-1 到 x=1 的累积分布概率
nd.cdf(1) - nd.cdf(-1) # 输出：0.6826894921370859


4. 计算逆函数

python
# 计算累积分布概率为 0.9 对应的 x 值
nd.inv_cdf(0.9) # 输出：1.2815515655446004


下面是一个完整的示例代码，演示如何使用 NormalDist 计算一个数据集的均值和标准差，并绘制其对应的正态分布曲线。

python
import matplotlib.pyplot as plt
from statistics import mean, stdev, NormalDist

# 生成随机数据集
data = [72, 68, 71, 69, 70, 73, 75, 67, 68, 70, 74, 72, 71, 73, 70]

# 计算数据集的均值和标准差
mu = mean(data)
sigma = stdev(data)

# 创建一个正态分布对象
nd = NormalDist(mu=mu, sigma=sigma)

# 绘制正态分布曲线
xs = range(60, 80)
ys = [nd.pdf(x) for x in xs]
plt.plot(xs, ys)

# 显示图形
plt.show()


此代码将绘制出一个以数据集均值为峰值的正态分布曲线，可以用于可视化数据集分布的概率密度。