绘制长度为200的标准正态分布的直方图与密度图

绘制长度为200的标准正态分布的直方图与密度图
想问一下怎么写，用python语言

给个例子参考，不知道你要的密度图是不是这个密度图：

import numpy as np
import matplotlib.pyplot as plt

fig,axes = plt.subplots(1,2,figsize = (8,4))
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['font.sans-serif']=['SimHei']
x1 = np.random.standard_normal(200)
axes[0].set_title('标准正态分布直方图')
axes[0].hist(x1, bins=20, histtype='bar', rwidth=0.8,color='green')

H,X1 = np.histogram(x1, bins = 20, normed = True, density = True)
axes[1].set_title('标准正态分布概率密度图')
axes[1].plot(X1[1:], H)
plt.show()

长度为200啥意思

import numpy as np
import matplotlib.pyplot as plt

fig,axes = plt.subplots(1,2,figsize = (8,4))
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['font.sans-serif']=['SimHei']
x1 = np.random.standard_normal(200)
axes[0].set_title('标准正态分布直方图')
axes[0].hist(x1, bins=20, histtype='bar', rwidth=0.8,color='green')

H,X1 = np.histogram(x1, bins = 20, normed = True, density = True)
axes[1].set_title('标准正态分布概率密度图')
axes[1].plot(X1[1:], H)
plt.show()

#
# 本文以某一批产品的长度为数据集
# 在此数据集的基础上绘制直方图和正态分布曲线
#

import pandas as pd  # pandas是一个强大的分析结构化数据的工具集
import numpy as np  # numpy是Python中科学计算的核心库
import matplotlib.pyplot as plt  # matplotlib数据可视化神器

# 正态分布的概率密度函数
#   x      数据集中的某一具体测量值
#   mu     数据集的平均值，反映测量值分布的集中趋势
#   sigma  数据集的标准差，反映测量值分布的分散程度
def normfun(x, mu, sigma):
    pdf = np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) / (sigma * np.sqrt(2 * np.pi))
    return pdf

if __name__ == '__main__':

    data = pd.read_csv('length.csv') # 载入数据文件
    length = data['length'] # 获得长度数据集
    mean = length.mean() # 获得数据集的平均值
    std = length.std()   # 获得数据集的标准差

    # 设定X轴：前两个数字是X轴的起止范围，第三个数字表示步长
    # 步长设定得越小，画出来的正态分布曲线越平滑
    x = np.arange(2524, 2556, 0.1)
    # 设定Y轴，载入刚才定义的正态分布函数
    y = normfun(x, mean, std)
    # 绘制数据集的正态分布曲线
    plt.plot(x, y)

    # 绘制数据集的直方图
    plt.hist(length, bins=12, rwidth=0.9, density=True)
    plt.title('Length distribution')
    plt.xlabel('Length')
    plt.ylabel('Probability')

    # 输出正态分布曲线和直方图
    plt.show()