在Python中使用scipy.statstruncnorm()函数生成截断正态分布的样本数据集

在Python中，我们可以使用scipy库中的statstruncnorm()函数来生成截断正态分布的样本数据集。截断正态分布是指将正态分布在一定的范围内进行截断的分布。

首先，我们需要导入scipy库中的statstruncnorm()函数和matplotlib库来进行数据可视化。下面是生成截断正态分布的样本数据集的代码：

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

# 设定截断范围及标准差和平均值
a = 1  # 下限
b = 10  # 上限
mu = 5  # 平均值
sigma = 2  # 标准差

# 生成截断正态分布的样本数据集
samples = truncnorm.rvs(a, b, loc=mu, scale=sigma, size=1000)

# 绘制直方图展示生成的样本数据集
plt.hist(samples, bins=30, density=True, alpha=0.7)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Truncated Normal Distribution')
plt.show()

在以上代码中，我们首先通过设定截断范围（下限和上限）、标准差和平均值来生成截断正态分布的样本数据集。然后，我们使用matplotlib库的hist()函数来绘制直方图，展示生成的样本数据集。最后，我们添加x轴和y轴的标签，并设置图像的标题。运行以上代码，我们将得到一张展示截断正态分布的样本数据集的直方图。

可以根据需求调整截断范围、标准差和平均值等参数来生成不同的截断正态分布的样本数据集。这样的数据集在实际问题中往往用于模拟或研究具有特定范围的数据分布。