1、使用 distplot 绘制单变量分布

使用 distplot 函数用于绘制单变量（单维度）数据的分布。该函数可以同时显示直方图（Histogram）和核密度估计（Kernel Density Estimate, KDE），核密度估计（KDE）是一种用于估计概率密度函数的非参数方式，可以提供有关数据分布形状的更平滑的视图。distplot 是一个非常灵活的函数，提供了多种参数来自定义图表的外观和行为。常用参数如下，

使用代码：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

# 创建图表
plt.figure(figsize=(8, 6))

# 绘制分布图
sns.distplot(data, bins=30, hist=True, kde=True, rug=True, 
             color='blue', norm_hist=True, axlabel='Data Values', 
             vertical=False, fit=None)

# 添加图例
plt.title('cjavapy Distribution Plot')
plt.legend(['Histogram', 'KDE', 'Rug Plot'])

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图表
plt.show()

注意：distplot 函数已过时，在 seaborn v0.14.0 版本中移除。使用 displot（一个具有类似灵活性的图形级函数）或 histplot（一个用于显示直方图的轴级函数）替代。

2、使用 displot 和 histplot 绘制单变量分布

displot 和 histplot 都是用于绘制单变量分布的强大工具。displot 是一个 figure-level 函数，提供了多种方式来展示单变量分布，包括直方图、核密度估计等。而 histplot 是一个 axis-level 函数，专门用于绘制直方图。

1）displot 和 histplot 的区别

displot 是一个更高层次的函数，提供了更多的灵活性，能够创建更复杂的分布图，比如分面图（facet grid）。histplot 则更专注于创建直方图，是绘制这类图的专用工具。

2）displot 常用参数及示例

使用示例：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.normal(size=1000)

# 创建 Seaborn displot
sns.displot(data, kind='hist', bins=30, kde=True, rug=True, color='blue', height=5, aspect=1.5)

# 设置标题
plt.title('cjavapy with Histogram and KDE')

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图表
plt.show()

3）histplot 常用参数及示例

使用示例：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.normal(size=100)

# 创建直方图
sns.histplot(data=data, bins=20, kde=True, color='green', binwidth=0.5, cumulative=False)

# 添加标题
plt.title('cjavapy')

# 添加轴标签
plt.xlabel('Value')
plt.ylabel('Frequency')

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图表
plt.show()