Python 是一門有著豐富科學計算庫的絕佳語言，可以精確計算各種數據。在數據分析里，很常見的一種方法是使用統計分析的方法，輔助數據分析的決策，求概率分布就是其中的一種方法。

# 導入需要的庫
import numpy as np
import scipy.stats as stats
# 生成樣本數據
data = np.random.normal(size=1000)
# 求出概率分布
density = stats.kde.gaussian_kde(data)
# 繪制概率密度圖
import matplotlib.pyplot as plt
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
plt.plot(x, density(x), color='r')
plt.show()

這里我們使用了 Numpy 庫生成了 1000 個標準正態分布的樣本數據；使用 Scipy 庫中的 stats.kde.gaussian_kde 對樣本數據生成概率分布的密度函數；最后使用 Matplotlib 庫繪制概率分布圖，其中參數 density 設置為 True 則表示繪制的是概率密度函數，不是頻率分布圖。綠色柱狀圖是每個區間內數據出現的頻數，紅色曲線是概率分布函數。

Python 語言有著這樣的方便、簡單、易用、高效的特點，再加上可視化手段更進一步，讓我們能夠輕松地處理和分析數據，從中找到有用的信息，獲得數據驅動的解決方案。