本文介绍如何基于正态分布概率密度函数（pdf）生成覆盖整数区间 [0, 10] 的平滑钟形高度序列，峰值可自由设定于任意位置（如 x=3），并按需缩放至目标最大值（如 100）；同时提供 chart.js + dragdata 插件实现可视化拖拽调参的完整教程。
在图形生成、地形建模或 UI 动效设计中，常需一组“自然起伏”的数值——例如为 11 个离散点（索引 0 到 10）分配高度值，使其整体呈钟形（单峰、对称或偏斜），且严格满足：
- 起点 x = 0 对应曲线左端，终点 x = 10 对应右端；
- 所有高度 ∈ [0, 100]，且最大值恰好为 100；
- 峰值位置（mode）可配置（如居中 x = 5，或偏左至 x = 3）；
- 支持实时交互调整（如拖拽控制点动态更新曲线）。
虽然贝塞尔曲线（如 BezierJS）能灵活拟合任意形状，但对“钟形”这一具有明确统计意义的形态，正态分布的概率密度函数（PDF）是更简洁、可控且数学严谨的选择。其公式为：
$$ f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right) $$
其中：
- μ（mean）决定峰值横坐标（即你想要的“最高点在 x=3”，就设 mean = 3）；
- σ（stdDev）控制曲线“宽度”：σ 越小，峰越尖锐；越大，峰越平缓；
- 函数本身输出值 ∈ (0, ≈0.4]，需线性归一化至 [0, 100]。
以下是完整实现步骤：
✅ 步骤 1：计算原始 PDF 值并归一化
function calculateNormalPDF(x, mean, stdDev) {
return 1 / (stdDev * Math.sqrt(2 * Math.PI)) * Math.exp(-Math.pow(x - mean, 2) / (2 * Math.pow(stdDev, 2)));
}
const left = 0, right = 10, step = 1, maxHeight = 100;
const mean = 3; // ← 峰值位置：可设为 3、5、7 等任意值
const stdDev = 1.8; // ← 控制“胖瘦”：建议 1.2–2.5 间调试
// 采样 [0,1,2,...,10]
const dataPoints = [];
let maxY = 0;
for (let x = left; x <= right; x += step) {
const y = calculateNormalPDF(x, mean, stdDev);
dataPoints.push(y);
if (y > maxY) maxY = y;
}
// 线性缩放：使 max(y) → 100
const scaledPoints = dataPoints.map(y => (y / maxY) * maxHeight);
// 结果示例（mean=3, stdDev=1.8）: [0.2, 1.5, 6.8, 22.4, 52.1, 89.7, 100, 84.3, 48.9, 19.2, 5.1]✅ 步骤 2：用 Chart.js 可视化 + 拖拽交互
引入 Chart.js 与 chartjs-plugin-dragdata（支持点击拖动数据点实时更新曲线）：
const ctx = document.getElementById('myChart').getContext('2d');
new Chart(ctx, {
type: 'line',
data: {
labels: Array.from({length: 11}, (_, i) => i), // [0,1,...,10]
datasets: [{
data: scaledPoints,
label: 'Bell Curve (Drag points to adjust!)',
borderColor: '#36A2EB',
tension: 0.4, // 添加轻微曲率，视觉更柔和
pointRadius: 6,
pointHoverRadius: 8,
fill: false
}]
},
options: {
responsive: true,
plugins: {
legend: { display: true },
tooltip: { enabled: false },
dragData: {
round: 1,
onDrag: (e, datasetIndex, index, value) => {
// 拖拽后，可触发重计算逻辑（如反推新 mean/stdDev）
console.log(`Point ${index} moved to ${value.toFixed(1)}`);
}
}
},
scales: {
y: { beginAtZero: true, max: 110, ticks: { stepSize: 20 } },
x: { title: { display: true, text: 'Index' } }
}
}
});⚠️ 注意事项与进阶提示
- 非对称钟形？ 标准正态 PDF 天然对称。若需明显偏斜（如长右尾），可改用 Gamma 分布 或分段二次/三次插值（如通过 3 个控制点构造单调递增再递减的三次贝塞尔）；
- 精确拟合自定义点？ 若你有一组目标高度（如 [0,10,40,100,60,20,5,0]），推荐使用 least-squares fitting 拟合二次/三次多项式，而非依赖统计分布；
- 性能敏感场景？ PDF 计算开销极低（11 次指数运算），无需优化；但若需实时拖拽重绘数百点，建议预计算 LUT（查找表）；
-
替代库参考：
- d3-shape 提供 d3.curveBasis（平滑样条）适合手绘风格；
- cubic-bezier 可解析 CSS 贝塞尔时间函数并采样；
- 自研 Canvas 贝塞尔拟合需结合 de Casteljau 算法 与最小二乘法，复杂度较高。
总结：对于“可控钟形高度生成”，正态 PDF 是精度、简洁性与可解释性的最佳平衡点。配合 Chart.js 的拖拽插件，你能在浏览器中快速构建一个微型、可交互的曲线设计器——无需复杂几何库，一行 mean 参数即可移动峰值，一次 stdDev 调节即可掌控形态，真正实现“所见即所得”的高度数据生成。
