Python是一種功能強大的編程語言，它在統計學、數據分析和機器學習領域得到了廣泛的應用。其中，正太分布是Python中最常見的分布之一，它描述了許多現實世界中的現象，如身高、體重和考試分數等等。

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
# 創建一個均值為0，標準差為1的正太分布
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, 0, 1)
# 繪制正太分布的概率密度函數
plt.plot(x, y, color="blue", lw=2)
plt.title("Normal Distribution")
plt.xlabel("Values")
plt.ylabel("Probability Density")
plt.show()

在上面的代碼中，我們首先導入了numpy、matplotlib.pyplot和scipy.stats.norm這三個庫。然后，我們使用numpy庫的linspace函數創建了一個長度為1000的等差數列來表示正太分布的取值范圍。接下來，我們使用scipy.stats.norm庫中的pdf函數計算了在均值為0，標準差為1下的正太分布的概率密度函數，并使用matplotlib.pyplot庫中的plot函數將其繪制出來。

通過觀察繪制出來的圖像，我們可以看到正太分布的概率密度函數具有如下的性質：

• 均值處的概率密度最高，隨著距離均值的距離越來越遠，概率密度逐漸減小。
• 概率密度在均值處對稱，左右兩側的概率密度相等。
• 標準差越小，曲線越陡峭；標準差越大，曲線越平緩。

總的來說，在Python中使用正太分布進行數值計算非常方便，這使得Python成為了許多統計學家、數據分析師和機器學習從業者們首選的開發語言。