# seaborn.distplot > 譯者：[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) ``` 靈活繪制單變量觀測值分布圖。 該函數結合了 matplotlib 中的 `hist`函數（自動計算一個默認的合適的 bin 大小）、seaborn 的[`kdeplot()`](seaborn.kdeplot.html#seaborn.kdeplot "seaborn.kdeplot")和[`rugplot()`](seaborn.rugplot.html#seaborn.rugplot "seaborn.rugplot")函數。它還可以擬合`scipy.stats`分布并在數據上繪制估計的 PDF（概率分布函數）。 參數：`a`：Series、1 維數組或者列表。 > 觀察數據。如果是具有`name`屬性的 Series 對象，則該名稱將用于標記數據軸。 `bins`：matplotlib hist()的參數，或 None。可選參數。 > 直方圖 bins（柱）的數目，若填 None，則默認使用 Freedman-Diaconis 規則指定柱的數目。 `hist`：布爾值，可選參數。 > 是否繪制（標準化）直方圖。 `kde`：布爾值，可選參數。 > 是否繪制高斯核密度估計圖。 `rug`：布爾值，可選參數。 > 是否在橫軸上繪制觀測值豎線。 `fit`：隨機變量對象，可選參數。 > 一個帶有*fit*方法的對象，返回一個元組，該元組可以傳遞給*pdf*方法一個位置參數，該位置參數遵循一個值的網格用于評估 pdf。 `{hist, kde, rug, fit}_kws`：字典，可選參數。 > 底層繪圖函數的關鍵字參數。 `color`：matplotlib color，可選參數。 > 可以繪制除了擬合曲線之外所有內容的顏色。 `vertical`：布爾值，可選參數。 > 如果為 True，則觀測值在 y 軸顯示。 `norm_hist`：布爾值，可選參數。 > 如果為 True，則直方圖的高度顯示密度而不是計數。如果繪制 KDE 圖或擬合密度，則默認為 True。 `axlabel`：字符串，False 或者 None，可選參數。 > 橫軸的名稱。如果為 None，將嘗試從 a.name 獲取它；如果為 False，則不設置標簽。 `label`：字符串，可選參數。 > 圖形相關組成部分的圖例標簽。 `ax`：matplotlib axis，可選參數。 > 若提供該參數，則在參數設定的軸上繪圖。 返回值：`ax`：matplotlib Axes > 返回 Axes 對象以及用于進一步調整的繪圖。 **另請參見** [`kdeplot`](seaborn.kdeplot.html#seaborn.kdeplot "seaborn.kdeplot") 顯示具有核密度估計圖的單變量或雙變量分布。 [`rugplot`](seaborn.rugplot.html#seaborn.rugplot "seaborn.rugplot") 繪制小的垂直線以顯示分布中的每個觀測值。 **范例** 顯示具有核密度估計的默認圖和使用參考規則自動確定 bin 大小的直方圖： ```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 對象獲取信息軸標簽： ```py >>> import pandas as pd >>> x = pd.Series(x, name="x variable") >>> ax = sns.distplot(x) ```  使用核密度估計和小的垂直線繪制分布圖： ```py >>> ax = sns.distplot(x, rug=True, hist=False) ```  使用直方圖和最大似然高斯分布擬合繪制分布圖： ```py >>> from scipy.stats import norm >>> ax = sns.distplot(x, fit=norm, kde=False) ```  在垂直軸上繪制分布圖： ```py >>> ax = sns.distplot(x, vertical=True) ```  更改所有繪圖元素的顏色： ```py >>> sns.set_color_codes() >>> ax = sns.distplot(x, color="y") ```  將特定參數傳遞給基礎繪圖函數： ```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"}) ```