如果您提出了更完整的工作示例（或在这种情况下为非工作示例），则将更有帮助。
我尝试了以下方法：
import numpy as npimport matplotlib.pyplot as pltx = np.random.randn(1000)fig = plt.figure()ax = fig.add_subplot(111)n, bins, rectangles = ax.hist(x, 50, density=True)fig.canvas.draw()plt.show()
实际上，这将产生一个y轴从到的条形图直方图
[0,1]。
此外，按照该
hist文件（即
ax.hist?从
ipython），我觉得总和也没关系：
*normed*:If *True*, the first element of the return tuple willbe the counts normalized to form a probability density, i.e.,``n/(len(x)*dbin)``. In a probability density, the integral ofthe histogram should be 1; you can verify that with atrapezoidal integration of the probability density function:: pdf, bins, patches = ax.hist(...) print np.sum(pdf * np.diff(bins))
在上面的命令后尝试一下：
np.sum(n * np.diff(bins))
我得到
1.0预期的返回值。请记住，
normed=True这并不意味着每个小节的值之和将是统一的，而不是在小节上的积分是统一的。在我的情况下，
np.sum(n)返回约
7.2767。
