1.sns.distplot(obs, kde=True, color="b", ax=ax)
#sns.distplot()集合了matplotlib的hist()于sns.kdeplot()功能，增了rugplot分布观测显示与理由scipy库fit拟合参数分布的新颖用途。
sns.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)
hist：显示直方图
kde：显示核密度估计
参考sns.distplot()用法 - 小小喽啰 - 博客园
2.ax.spines['top'].set_visible(False)
#ax绘图，去掉上边框
参考ax绘图相关的知识点 - 小明他很忙 - 博客园
3.fig, ax = plt.subplots(figsize=(14, 7), frameon=False)
#当frameon=True的时候, 图示会被绘制在一个patch实体上; 否则, 如果frameon=False, 则图示会被直接绘制在图片上. 这里, 讨论是否将图示绘制在一个patch实体上的意义在于, 当把它绘制在一个patch实体上时, 我们才可以使用facecolor, edgecolor, framealpha, fancybox等参数来设置图示的背景(不是图片的背景)的颜色, 边框颜色, 透明度, 以及形状, 而当frameon=False的时候这些参数就会失效.
参考：matplotlib中图示的参数设置的一点心得_赵宗义的专栏-CSDN博客
4.syn = poisson.rvs(mu, size=2000)
#从服从均值为mu的泊松分布抽取2000个值
