在Python中，你可以使用`matplotlib`和`scipy.stats`库来绘制T分布的概率密度函数（PDF）图像。以下是一个简单的示例代码，展示了如何绘制不同自由度的T分布PDF图像：
```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import t
自由度
df = 10
生成x轴数据
x = np.linspace（t.ppf（0.01, df）, t.ppf（0.99, df）, 100）
绘制T分布PDF
plt.plot（x, t.pdf（x, df）, 'r-', lw=2, label=f'T分布（df={df}）'）
添加图例、标题和坐标轴标签
plt.legend（）
plt.title（'T分布'）
plt.xlabel（'x'）
plt.ylabel（'概率密度'）
显示网格
plt.grid（）
显示图像
plt.show（）
这段代码将生成一个自由度为10的T分布PDF图像。你可以通过改变`df`的值来绘制不同自由度的T分布图像。如果你还想比较T分布和标准正态分布，可以使用以下代码：```pythonimport numpy as np
from scipy.stats import t, norm
import matplotlib.pyplot as plt
生成x轴数据
x = np.linspace（-3, 3, 100）
绘制不同自由度的T分布PDF
for df in [1, 2, 100]:
plt.plot（x, t.pdf（x, df）, label=f'T分布（df={df}）'）
绘制标准正态分布PDF
plt.plot（x[:5], norm.pdf（x[:5]）, 'kx', label='标准正态分布'）
添加图例、标题和坐标轴标签
plt.legend（）
plt.title（'比较T分布与标准正态分布'）
plt.xlabel（'x'）
plt.ylabel（'概率密度'）
显示网格
plt.grid（）
显示图像
plt.show（）
这段代码将生成一个包含T分布和标准正态分布PDF的图像，用于比较两者在相同区间内的形状。