plt.hist的返回值为：
返回：元组：（n，bin，patches）或（[n0，n1，...]，bin，[patches0，patches1，...]）
因此，您需要做的就是适当地捕获返回值。例如：

import numpy as np
import matplotlib.pyplot as plt

# generate some uniformly distributed data
x = np.random.rand(1000)

# create the histogram
(n, bins, patches) = plt.hist(x, bins=10, label='hst')

plt.show()

# inspect the counts in each bin
In [4]: print n
[102  87 102  83 106 100 104 110 102 104]

# and we see that the bins are approximately uniformly filled.
# create a second histogram with more bins (but same input data)
(n2, bins2, patches) = plt.hist(x, bins=20, label='hst')

In [34]: print n2
[54 48 39 48 51 51 37 46 49 57 50 50 52 52 59 51 58 44 58 46]

# bins are uniformly filled but obviously with fewer in each bin.

返回的bins定义了所使用的每个bin的边缘。

使用np.histogram将值分箱到plt.hist中的离散区间，因此如果出于某种原因，您需要不绘制数据的箱和计数，则可以使用np.histogram。如果您想要数据和图，如@Bonlenfum所示，hist()调用已经返回了这样的数据。
从下面可以看到，pyplot和numpy直方图的计数和bin完全匹配。

x = np.random.rand(1000)
n_bins = 100

# plot histogram
n_plt, bins_plt, patches = plt.hist(x, n_bins)
# compute histogram
n_np, bins_np = np.histogram(x, n_bins)

(n_plt == n_np).all() and (bins_plt == bins_np).all()  # True