seaborn.distplot(a=None, bins=None, hist=True,
	 kde=True, rug=False, fit=None, hist_kws=None,
	  kde_kws=None, rug_kws=None, fit_kws=None,
	   color=None, vertical=False, norm_hist=False,
	    axlabel=None, label=None, ax=None, x=None)

参数解释

a: 序列series、一维数组或者list，上面这个图就是用的list
bins:使用的规则，默认为空，如果不为空，则使用的是plt中的规则
hist：是否在图像中把hist画出来，默认为True
kde:一个bool类型的选项，是否使用高斯核函数做分布
rug:控制是否生成观测数值的小细条
fit:控制拟合的参数分布
hist_kws：使用方法与matplotlib.axes.Axes.hist().一致
kde_kws：使用的是参数kdeplot()（套娃）
rug_kws：
color:设置hist的颜色，这个是常用的
vertical:设置是否是垂直，如果为True，纵坐标为X,横坐标为Y
norm_list:是否显示hist的密度，如果为True,显示密度而不是直方图
axlabel:字符串或空，坐标轴的标签
label:legend标签
ax：限定坐标轴
                        
原文链接：https://blog.csdn.net/weixin_45885232/article/details/124644018

和条形图的区别，条形图有空隙，直方图没有，条形图一般用于类别特征，直方图一般用于数字特征（连续型）

代码（单个）

fig, ax = plt.subplots(figsize=(8, 6))
ax = plt.subplot(1,2,1)
sns.distplot(data_train['V0'],rug=True,fit=stats.norm)
ax = plt.subplot(1,2,2)
res = stats.probplot(data_train["V0"],plot=plt)
plt.show()

、代码（多个）

def plot_dist(data):
    column = data_train.columns.tolist()[:data.shape[1]]
    fig, ax = plt.subplots(figsize=(12, 208))
    for i in range(0,77,2):
        ax = plt.subplot(13,6,i+1)
        sns.distplot(data[column[i//2]], fit=stats.norm)
        ax = plt.subplot(13,6,i+2)
        res = stats.probplot(data[column[i//2]], plot=plt)
    plt.show()
# plot_dist(data_train)