如果你不喜欢OP的简单解决方案，这里有一个过于复杂的解决方案，我们手工绘制图表。如果你只能访问直方图计数，而不能使用matplotlib的hist函数，它可能会很有用。

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(5000)
counts, bins = np.histogram(data, bins=20)
cdf = np.cumsum(counts)/np.sum(counts)

plt.plot(
    np.vstack((bins, np.roll(bins, -1))).T.flatten()[:-2],
    np.vstack((cdf, cdf)).T.flatten()
)
plt.show()

这是默认行为。可以将其视为直方图的轮廓。至于快速解决方法，我不知道。一个解决方案是自己计算直方图：python histogram one-liner

解决方案（破解）：

# histtype=step returns a single patch, open polygon
n,bins,patches=pylab.hist(data, weights, histtype='step', cumulative=True)
# just delete the last point
patches[0].set_xy(patches[0].get_xy()[:-1])

在CC BY-SA 3.0下，OP Zer0将该答案作为累积直方图在y=0处具有最后一个点问题的edit发布。