高斯分布（Gaussian Distribution）又稱正態(tài)分布，是一種連續(xù)概率分布，因其具有良好的統(tǒng)計(jì)特性而被廣泛應(yīng)用于自然科學(xué)和社會(huì)科學(xué)等領(lǐng)域。在Python中，可以使用NumPy和Matplotlib模塊來畫高斯分布的圖形。

# 導(dǎo)入所需模塊
import numpy as np
import matplotlib.pyplot as plt
# 設(shè)置均值、標(biāo)準(zhǔn)差和樣本點(diǎn)個(gè)數(shù)
mu, sigma = 0, 0.1
samples = 1000
# 生成高斯分布的樣本
samples = np.random.normal(mu, sigma, samples)
# 繪制高斯分布的直方圖
count, bins, ignored = plt.hist(samples, 30, density=True)
# 基于樣本點(diǎn)在分布曲線上作出線條
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * 
np.exp( - (bins - mu)**2 / (2 * sigma**2) ), 
linewidth=2, color='r')
# 顯示圖形
plt.show()

上述代碼首先導(dǎo)入所需模塊，包括了NumPy和Matplotlib。其次，設(shè)置了高斯分布的均值和標(biāo)準(zhǔn)差，以及樣本點(diǎn)的個(gè)數(shù)。接著，使用numpy.random.normal函數(shù)生成隨機(jī)數(shù)樣本。然后使用Matplotlib繪制出高斯分布的直方圖，并標(biāo)明密度。最后基于樣本點(diǎn)在分布曲線上作出線條，用以表示真實(shí)分布的形態(tài)。

通過Python代碼，我們可以很方便地畫出高斯分布的圖形，方便科學(xué)家們進(jìn)行數(shù)據(jù)分析和研究應(yīng)用。