由于我在这方面花了一些时间，我想我分享了这一点，以便其他人可以轻松地适应这种方法：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
_, FD_bins = np.histogram(x_list, bins="fd")
bin_nr = min(len(FD_bins)-1, 50)
sns.histplot(data=df, x="X", ax=ax_hist, bins=bin_nr, stat="density", alpha=0.4, kde=True, kde_kws={"cut": 3})
ax_hist.set_title("new histplot")

plt.show()

字符串
样品输出：
x1c 0d1x的数据
主要变化是

• bins=bin_nr-使用Freedman Diaconis Estimator确定直方图箱，并将上限限制为50
• stat="density"-在直方图中显示密度而不是计数
• alpha=0.4-用于相同的透明度
• kde=True-添加核密度图
• kde_kws={"cut": 3}-将核密度图扩展到直方图极限之外

关于bins="fd"的bin估计，我不确定这确实是distplot使用的方法。评论和更正是非常欢迎的。
我删除了**{"linewidth": 0}，因为正如@mwaskom在评论中指出的那样，distplot在直方图条周围有一条edgecolor线，可以由matplotlib设置为默认的facecolor。所以，你必须根据你的风格偏好来整理这个。

#使用histplot（）#histplot用于单变量

import seaborn as sns import matplotlib.pyplot as plt
fig = sns.FacetGrid（data = data，col = 'variable name'，hue = 'variable name'，heigth = 9，palette = 'Set1'）
fig = fig.map（sns.histplot，variable name，kde = True）.add_legend（）