编写normpdf函数计算正态分布概率密度时遇错误求助

需求说明 #

编写normpdf(x, avg, std)函数，返回均值为avg、标准差为std的正态分布下x的高斯概率密度函数，默认参数avg=0、std=1。

遇到的错误及解决 #

1. SyntaxError：无效语法 #

报错信息

Input In [95]
return pdf
^
SyntaxError: invalid syntax

初始代码

import numpy as np
import math


def normpdf(x, avg=0, std=1) : 
    # normal distribution eq
    exponent = math.exp(-0.5 * ((x - avg) / std) ** 2)
    pdf = (1 / (std * math.sqrt(2 * math.pi)) * exponent)
    return pdf

# set x values 
x = np.linspace(1, 50)

normpdf(x, avg, std)

错误原因与修复

• 语法错误核心是缩进问题：return pdf的缩进未与函数内其他代码保持同级，违反Python的缩进规范。
• 额外问题：调用函数时normpdf(x, avg, std)中的avg和std未定义，需改为传入具体数值（如normpdf(x, 25, 5)）或省略参数使用默认值（normpdf(x)）。

2. TypeError：仅长度为1的数组可转换为Python标量 #

报错信息

TypeError Traceback (most recent call last)
Input In [114], in <cell line: 11>()
9 pdf = (1/(stdmath.sqrt(2math.pi))*exponent)
10 return pdf
---> 11 normpdf(x, avg, std)

Input In [114], in normpdf(x, avg, std)
6 def normpdf(x, avg=0, std=1) :
7 #normal distribution eq
----> 8 exponent = math.exp(-0.5*((x-avg)/std)**2)
9 pdf = (1/(stdmath.sqrt(2math.pi))*exponent)
10 return pdf

TypeError: only size-1 arrays can be converted to Python scalars

错误原因与修复

• 核心问题：math.exp仅支持单个数值输入，而x是numpy生成的数组，无法直接处理。需替换为支持数组批量运算的np.exp。
• 同时，math.sqrt也可替换为np.sqrt，保证整个函数对数组输入的兼容性。

最终正确代码 #

import numpy as np

def normpdf(x, avg=0, std=1): 
    # 正态分布概率密度公式
    exponent = np.exp(-0.5 * ((x - avg) / std) ** 2)
    pdf = (1 / (std * np.sqrt(2 * np.pi))) * exponent
    return pdf

# 生成x值
x = np.linspace(1, 50)

# 示例调用：使用均值25，标准差5
pdf_values = normpdf(x, 25, 5)
# 或使用默认参数
# pdf_values = normpdf(x)

print(pdf_values)

代码说明 #

• 全部使用numpy的数学函数，确保支持数组输入，批量计算每个x对应的概率密度值。
• 函数保留默认参数，调用时可灵活选择是否传入自定义均值和标准差。
• 修复了函数调用时未定义参数的问题。

内容的提问来源于stack exchange，提问作者regar345