Python是一種功能強(qiáng)大的編程語言，可以幫助我們輕松地求出密度函數(shù)。

# 導(dǎo)入必要的庫
import numpy as np
import matplotlib.pyplot as plt
# 建立一個包含1000個隨機(jī)數(shù)據(jù)的數(shù)組
data = np.random.randn(1000)
# 使用matplotlib畫出數(shù)據(jù)的頻率直方圖
plt.hist(data, density=True, bins=30)
# 計算數(shù)據(jù)的核密度估計
kde = scipy.stats.gaussian_kde(data)
# 用x軸上的值繪制核密度估計曲線
x = np.linspace(data.min(),data.max(),1000)
plt.plot(x, kde(x))
# 添加文本和標(biāo)簽
plt.xlabel('Data')
plt.ylabel('Density')
plt.title('Density Plot')
# 顯示圖形
plt.show()

以上代碼可以幫助我們使用KDE（kernel density estimation）方法解決密度函數(shù)問題。KDE是一種用于從樣本數(shù)據(jù)中估計概率密度函數(shù)的非參數(shù)統(tǒng)計技術(shù)。

在這個例子中，我們首先創(chuàng)建一個包含1000個服從正態(tài)分布的隨機(jī)數(shù)據(jù)的數(shù)組。接下來，我們使用Matplotlib繪制數(shù)據(jù)直方圖，并使用density=True將頻率直方圖轉(zhuǎn)換為概率直方圖。

然后，我們使用Scipy的gaussian_kde函數(shù)計算數(shù)據(jù)的核密度估計。最后，我們使用Matplotlib再次繪制圖形，這次繪制的是KDE曲線。這個代碼片段展示了如何使用Python求出密度函數(shù)，并利用數(shù)據(jù)可視化來表示結(jié)果。