plt.hist:
参数设置：
x: 指定每个bin(箱子)分布的数据,对应x轴
bins: (num_bins) 总共有几条条状图
color:颜色
density：如果为True，则返回元组的第一个元素将是规范化以形成概率密度的计数，即直方图下的面积（或积分）将总和为1.这是通过将计数除以观察次数来实现的。
# example data mu = 100 # mean of distribution sigma = 15 # standard deviation of distribution x = mu + sigma * np.random.randn(10000) #生成均值是100方差是15的数据，作为x轴 num_bins = 50 # 条状图的个数 # the histogram of the data n, bins, patches = plt.hist(x, num_bins, normed=1, facecolor=‘blue‘, alpha=0.5) # add a ‘best fit‘ line y = mlab.normpdf(bins, mu, sigma) plt.plot(bins, y, ‘r--‘) #画出分布曲线 plt.xlabel(‘Smarts‘) plt.ylabel(‘Probability‘) plt.title(r‘Histogram of IQ: $\mu=100$, $\sigma=15$‘)
原文：https://www.cnblogs.com/yanxingang/p/10831282.html