# seaborn.distplot > 译者：[hyuuo](https://github.com/hyuuo) ```py seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None) ``` 灵活绘制单变量观测值分布图。 该函数结合了 matplotlib 中的 `hist`函数（自动计算一个默认的合适的 bin 大小）、seaborn 的[`kdeplot()`](seaborn.kdeplot.html#seaborn.kdeplot "seaborn.kdeplot")和[`rugplot()`](seaborn.rugplot.html#seaborn.rugplot "seaborn.rugplot")函数。它还可以拟合`scipy.stats`分布并在数据上绘制估计的 PDF（概率分布函数）。 参数：`a`：Series、1 维数组或者列表。 > 观察数据。如果是具有`name`属性的 Series 对象，则该名称将用于标记数据轴。 `bins`：matplotlib hist()的参数，或 None。可选参数。 > 直方图 bins（柱）的数目，若填 None，则默认使用 Freedman-Diaconis 规则指定柱的数目。 `hist`：布尔值，可选参数。 > 是否绘制（标准化）直方图。 `kde`：布尔值，可选参数。 > 是否绘制高斯核密度估计图。 `rug`：布尔值，可选参数。 > 是否在横轴上绘制观测值竖线。 `fit`：随机变量对象，可选参数。 > 一个带有*fit*方法的对象，返回一个元组，该元组可以传递给*pdf*方法一个位置参数，该位置参数遵循一个值的网格用于评估 pdf。 `{hist, kde, rug, fit}_kws`：字典，可选参数。 > 底层绘图函数的关键字参数。 `color`：matplotlib color，可选参数。 > 可以绘制除了拟合曲线之外所有内容的颜色。 `vertical`：布尔值，可选参数。 > 如果为 True，则观测值在 y 轴显示。 `norm_hist`：布尔值，可选参数。 > 如果为 True，则直方图的高度显示密度而不是计数。如果绘制 KDE 图或拟合密度，则默认为 True。 `axlabel`：字符串，False 或者 None，可选参数。 > 横轴的名称。如果为 None，将尝试从 a.name 获取它；如果为 False，则不设置标签。 `label`：字符串，可选参数。 > 图形相关组成部分的图例标签。 `ax`：matplotlib axis，可选参数。 > 若提供该参数，则在参数设定的轴上绘图。 返回值：`ax`：matplotlib Axes > 返回 Axes 对象以及用于进一步调整的绘图。 **另请参见** [`kdeplot`](seaborn.kdeplot.html#seaborn.kdeplot "seaborn.kdeplot") 显示具有核密度估计图的单变量或双变量分布。 [`rugplot`](seaborn.rugplot.html#seaborn.rugplot "seaborn.rugplot") 绘制小的垂直线以显示分布中的每个观测值。 **范例** 显示具有核密度估计的默认图和使用参考规则自动确定 bin 大小的直方图： ```py >>> import seaborn as sns, numpy as np >>> sns.set(); np.random.seed(0) >>> x = np.random.randn(100) >>> ax = sns.distplot(x) ```  使用 Pandas 对象获取信息轴标签： ```py >>> import pandas as pd >>> x = pd.Series(x, name="x variable") >>> ax = sns.distplot(x) ```  使用核密度估计和小的垂直线绘制分布图： ```py >>> ax = sns.distplot(x, rug=True, hist=False) ```  使用直方图和最大似然高斯分布拟合绘制分布图： ```py >>> from scipy.stats import norm >>> ax = sns.distplot(x, fit=norm, kde=False) ```  在垂直轴上绘制分布图： ```py >>> ax = sns.distplot(x, vertical=True) ```  更改所有绘图元素的颜色： ```py >>> sns.set_color_codes() >>> ax = sns.distplot(x, color="y") ```  将特定参数传递给基础绘图函数： ```py >>> ax = sns.distplot(x, rug=True, rug_kws={"color": "g"}, ... kde_kws={"color": "k", "lw": 3, "label": "KDE"}, ... hist_kws={"histtype": "step", "linewidth": 3, ... "alpha": 1, "color": "g"}) ```