首先，还是看看matplotlib中hist函数的语法
hist( x, bins=None, range=None, normed=False, # 超重要
density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', rwidth=None, # 选用
orientation='vertical', color=None, edgecolor=None, label=None, # 常用
stacked=False, **kwargs)x：数组或者数组序列（不要求每个数组长度相同），用于存放数据；
bins：整数、序列或字符串，整数表示等宽区间的个数（直方图条形个数），自动计算区间范围，序列则表示区间的范围，除了最后一个以外，都是包含左边不包含右边，字符串则表示对应的策略，默认为 hist.bins；
range：元组，指定最小值和最大值（直方图数据的上下界），默认包含绘图数据中的最小值和最大值（默认以绘图数据的最小值作为直方图数据的上下界）；
normed：是否将直方图的频数转化为频率；
density：布尔值，可选，如果为 True，则返回的是归一化的概率密度，所有区间的概率之和为1；
weights：类似于数组的值，可选，形状和 x xx 相同，表示每个值对应的权重，默认情况下所有数据的权重相同；
cumulative：布尔值或 -1，累积求和，表示小于某个数的所有元素个数之和，随着数的增大而不断增大，如果为 -1，则反转方向，表示大于某个数的所有元素个数之和，随着数量增大而不断减小；
histtype：指定直方图的类型，默认为 bar。bar（多个并列摆放），barstacked（多个堆叠摆放），step（生成对应的折线），stepfilled（填充相关区域）；
align：设置条形边界值的对齐方式，默认为 mid，另外还有 left 和 right；
rwidth：设置条形图的宽度；
orientation：设置直方图的摆放方向，默认为垂直方向；
color：设置直方图的填充色；
edgecolor：设置直方图边框色；
label：设置直方图标签，可以通过 legend 展示其图例；
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放示例：
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
plt.rcParams['font.family']='Arial' # 设置字体和figure大小
plt.rcParams['font.size']=15
plt.figure(figsize=(10,7))
#
mu =np.mean(data) #计算均值
sigma =np.std(data) #计算标准差
num_bins = 60 #直方图柱子的数量
n, bins, patches = plt.hist(data, num_bins,density=True, edgecolor="black",facecolor='gray', alpha=0.6,range=[int(tumor_min),int(tumor_max)])
#直方图函数，x为x轴的值，normed=1表示为概率密度，即和为一，绿色方块，色深参数0.5.返回n个概率，直方块左边线的x值，及各个方块对象
y = norm.pdf(bins, mu, sigma) #拟合一条最佳正态分布曲线y
plt.plot(bins, y, 'g--') #绘制y的曲线
plt.xlabel('Signal Intensity') #绘制x轴
plt.ylabel('Probability') #绘制y轴
plt.subplots_adjust(left=0.15) #左边距
plt.show()效果：
