今天是周日，和同学杭杰约好了一起去中国国家博物馆参观。早晨六点多我就起床了，因为昨天和杭杰约好，
他7点回来我们学校吃饭。我7点10分给杭杰发微信，但是他迟迟没有回应。最后才知道，原来杭杰最近身体不舒服，所以
就起床晚了。然后为了节约时间，我就到他那里吃饭了。
吃完饭，我们一起徒步去了博物馆，走了整整一上午。虽然花费了很长的时间，但是在路上我和他谈论着相关
研究的领域和最近读书的一些体会，感觉非常开心。我非常喜欢和别人讨论学习的问题，关键是有人愿意倾听你
讲的内容，还愿意和你分享他学习的知识，这样的时光是最让人快乐的！
不知不觉，我就就走到了天安门广场，第一次来天安门。在祖国首都的正中心，内心充满着对祖国伟大富强的
骄傲和自豪。感到身为中国人，一定要努力学习，为祖国的发展尽一份自己的力量！
下午，回来后，我们愉快的吃了一顿鱼，就各种会宿舍了。到宿舍后才感觉全身都动不了了。哎，自己的体质
真差，以后一定要加强锻炼啦！
今天拍的照片如下：
今天总结一下上周使用的正态分布测试方法
正态分布测试
上周在学习实践的过程中，我需要测试一组数据是否属于正态分布，于是就搜索的相关函数，发现scipy模块里面有相关的测试函数。
具体在scipy.stats包里面。这个包和上面介绍的Statsmodels类似，都输入统计学相关的包，只是上面的包分析的内容更多，而
scipy.stats包则突出一些基础函数的分布律和概率密度函数。
比如整体分布测，我们就可用scipy.stats.normaltest函数，例子如下：
from scipy import stats
pts = 1000
np.random.seed(28041990)
a = np.random.normal(0, 1, size=pts)
b = np.random.normal(2, 1, size=pts)
x = np.concatenate((a, b))
k2, p = stats.normaltest(x)
alpha = 1e-3
print("p = {:g}".format(p))
if p < alpha: # null hypothesis: x comes from a normal distribution
print("The null hypothesis can be rejected")
else:
print("The null hypothesis cannot be rejected")
我还根据读入的dict数据和传入的标签序号或者角标，绘制一个梯形图个对于正态分布的概率密度的函数，如下：
注意：dict数据键对应要绘制的数据名称，值对应数据列表
def DrawHistogram(dd, num): #输入索引序号或者角标
keysList = num if type(num) == str else list(dd.keys())[num]
valuesList = dd[num] if type(num) == str else list(dd.values())[num]
# print(keysList,valuesList)
arrForCalculate = np.array(valuesList)
mu = arrForCalculate.mean() # mean of distribution
sigma = arrForCalculate.std() # standard deviation of distribution
num_bins = 50
fig, ax = plt.subplots()
# the histogram of the data
n, bins, patches = ax.hist(valuesList, num_bins, density=1)
# add a 'best fit' line
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
ax.plot(bins, y, '--')
ax.set_xlabel('log numbers in per time segment')
ax.set_ylabel('Probability density')
ax.set_title('Histogram of %s: $\mu=%.2f$, $\sigma=%.2f$' % (keysList,mu,sigma))
# Tweak spacing to prevent clipping of ylabel
fig.tight_layout()
plt.show()
