seaborn.distplot(a=None, 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, x=None)¶不赞成：灵活地绘制观察值的单变量分布。
警告
此函数已弃用，将在将来的版本中删除。请调整代码以使用以下两个新函数之一：
displot() ，一个图形级函数，与要绘制的绘图类型具有类似的灵活性
histplot() ，用于绘制直方图的轴级函数，包括核密度平滑
此函数结合了matplotlib hist 函数（自动计算一个良好的默认箱子大小）与seaborn kdeplot() 和 rugplot() 功能。它也可以适合 scipy.stats 分布并绘制数据上估计的PDF。
观测数据。如果这是一个带有 name 属性，则该名称将用于标记数据轴。
历史箱规范。如果未指定，则使用引用规则来尝试查找有用的默认值。
是否绘制（标准化）直方图。
是否绘制高斯核密度估计。
是否在支撑轴上绘制支撑图。
带有的对象 fit 方法，返回可以传递给 pdf 方法：在值网格后面的位置参数，用于在其上计算pdf。
的关键字参数 matplotlib.axes.Axes.hist() .
的关键字参数 kdeplot() .
的关键字参数 rugplot() .
以绘制除拟合曲线以外的所有曲线。
如果为真，则观察值位于y轴上。
如果为真，则直方图高度显示的是密度而不是计数。如果绘制KDE或拟合密度，则意味着这一点。
支撑轴标签的名称。如果没有，将尝试从a.name获取。如果为False，则不要设置标签。
绘图相关组件的图例标签。
如果提供，则在此轴上绘图。
返回带有绘图的轴对象，以便进一步调整。
实例
显示具有核密度估计值的默认绘图和具有由参考规则自动确定的箱大小的直方图：
>>> import seaborn as sns, numpy as np
>>> sns.set_theme(); np.random.seed(0)
>>> x = np.random.randn(100)
>>> ax = sns.distplot(x)
使用对象获取信息轴标签：
>>> import pandas as pd
>>> x = pd.Series(x, name="x variable")
>>> ax = sns.distplot(x)
用核密度估计和地毯图绘制分布：
>>> ax = sns.distplot(x, rug=True, hist=False)
用直方图和最大似然高斯分布拟合绘制分布：
>>> from scipy.stats import norm
>>> ax = sns.distplot(x, fit=norm, kde=False)
在垂直轴上绘制分布图：
>>> ax = sns.distplot(x, vertical=True)
更改所有打印元素的颜色：
>>> sns.set_color_codes()
>>> ax = sns.distplot(x, color="y")
将特定参数传递给基础绘图函数：
>>> 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"})
