请求解释数据科学课程中指数分布相关Python代码的各步骤含义

首先贴出完整代码：

X = stats.expon(scale=10)
xs = X.rvs(100000)
plt.figure(figsize=(10, 4))
plt.hist(xs, bins=100, color="navy")
plt.xlim(0, 80);

逐行拆解核心逻辑：

• 第1行：X = stats.expon(scale=10)
  这里的stats是scipy.stats库的简写，expon对应指数分布类。这行是创建一个均值为10的指数分布模型实例——指数分布的尺度参数scale就等于它的均值，所以直接用scale=10定义了我们要抽样的目标分布。

• 第2行：xs = X.rvs(100000)
rvs是“随机变量样本（random variates）”的缩写，这行从刚才定义的指数分布里，一次性生成10万个独立随机样本，并把这些样本存入xs变量。样本量越大，后续画的直方图就越贴近真实的指数分布形状。

• 第3行：plt.figure(figsize=(10, 4))
plt是matplotlib.pyplot库的简写，这行创建一个新的绘图窗口，figsize=(10,4)指定窗口宽10英寸、高4英寸，用来控制图表的整体尺寸，避免图过大或过小。

• 第4行：plt.hist(xs, bins=100, color="navy")
hist是绘制直方图的核心函数：

  • 第一个参数xs是要可视化的样本数据；
  • bins=100把x轴划分为100个区间（也就是100根柱子），柱子越多，能展示的分布细节越细致；
  • color="navy"设置柱子为深蓝色。
    这行的作用就是把10万个样本转换成直方图，直观展示样本的分布规律。

• 第5行：plt.xlim(0, 80);
  强制设置x轴的显示范围为0到80，防止极少数极端大的样本值把图表拉变形，让我们能聚焦看清楚分布的主体形态。

内容的提问来源于stack exchange，提问作者ricenix