Python 2.7中概率直方图与最佳拟合线无法绘制问题

我帮你排查了代码里的几个关键问题，这些都是导致图表无法正常显示的常见原因，下面是修正后的完整代码，以及对应的问题解析：

修正后的完整代码 #

import matplotlib.pyplot as plt
from scipy.stats import norm

# 假设prob_long是你的一维概率列表/数组
# 创建归一化概率直方图
n, bins, patches = plt.hist(
    prob_long,  # 移除外层的[]，直接传入一维数据
    bins=[0.36,0.365,0.37,0.375,0.38,0.385,0.39,0.395,0.40,0.405,0.41,0.415,0.42,0.425,0.43,0.435,0.44,0.445,0.45,0.455,0.46,0.465,0.47,0.475,0.48,0.485,0.49,0.495,0.5],
    density=True,  # 替换已弃用的normed=True
    facecolor='orange', alpha=0.75, ec='black'
)

# 计算正态分布拟合参数并绘制拟合线
mu, sigma = norm.fit(prob_long)
# 使用scipy的norm.pdf替代过时的mlab.normpdf
y = norm.pdf(bins, mu, sigma)
plt.plot(bins, y, 'r--', linewidth=2, label=f'Normal Fit ($\mu={mu:.3f}$, $\sigma={sigma:.3f}$)')

# 优化图表可读性
plt.xlabel('Probability Value')
plt.ylabel('Density')
plt.title('Distribution of Long Probabilities')
plt.grid(axis='y', alpha=0.3)
plt.legend()

plt.show()

关键问题解析 #

• 数据维度错误
  你原来用[prob_long]把一维数据包装成了二维数组，plt.hist处理二维数据时会按子数组拆分绘制，导致直方图计算异常。直接传入prob_long（确保它是一维的数值集合）就能正确统计每个bin的频率。

• 过时参数导致的兼容性问题

  • normed=True在matplotlib 3.0+版本已被弃用，改用density=True来实现归一化（使直方图总面积为1），避免警告或绘制失败。
  • mlab.normpdf属于过时模块，现在官方推荐使用scipy.stats.norm.pdf来计算正态分布概率密度，兼容性更强。

• 拟合线代码不完整
  你原来的y=mlab.normpdf(bins, ...缺少了拟合得到的均值mu和标准差sigma参数，补全后才能生成对应的拟合曲线。

额外排查点 #

如果修正后图表还是没有显示，建议检查：

• prob_long是否为空列表，或者所有数据是否都不在你指定的bins范围内（如果数据全部超出bins区间，直方图会没有柱子）。
• 确保已经正确安装并导入了matplotlib和scipy库。

内容的提问来源于stack exchange，提问作者JeffStiff