如何在Seaborn直方图上叠加正态分布曲线（含对数正态）

核心原因 #

直方图默认展示频数/计数，而PDF（概率密度函数）的取值是概率密度（曲线下面积总和为1），两者尺度差异巨大，导致PDF曲线被压缩得几乎不可见。

快速实现正态分布PDF叠加的方法 #

在seaborn.histplot中添加stat='density'参数，将直方图转换为密度分布，即可和PDF曲线尺度对齐：

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

# 提取DataFrame中需要分析的列（替换为你的列名）
data = df['target_column']

# 绘制密度直方图（stat='density'切换为密度尺度）
sns.histplot(data, bins=100, stat='density', alpha=0.6, label='直方图')

# 计算正态分布参数并生成PDF曲线
mean_val = data.mean()
std_val = data.std()
x = np.linspace(data.min(), data.max(), 1000)  # 生成更平滑的x轴序列
pdf_curve = stats.norm.pdf(x, mean_val, std_val)

# 叠加PDF曲线
plt.plot(x, pdf_curve, 'r', linewidth=2, label='正态分布PDF')

# 添加图例与标签
plt.legend()
plt.xlabel('数值')
plt.ylabel('密度')
plt.show()

对数正态分布的叠加方法 #

思路一致，但需注意对数正态分布的参数处理：

1. 用stats.lognorm.fit()从数据中估计分布参数（形状s、位置loc、尺度scale）
2. 生成PDF时使用stats.lognorm.pdf()

完整代码示例：

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

data = df['target_column']

# 绘制密度直方图
sns.histplot(data, bins=100, stat='density', alpha=0.6, label='直方图')

# 估计对数正态分布参数（floc=0固定位置参数，符合常规对数正态分布假设）
s_param, loc_param, scale_param = stats.lognorm.fit(data, floc=0)
x = np.linspace(data.min(), data.max(), 1000)
pdf_curve = stats.lognorm.pdf(x, s_param, loc_param, scale_param)

# 叠加PDF曲线
plt.plot(x, pdf_curve, 'g', linewidth=2, label='对数正态分布PDF')

plt.legend()
plt.xlabel('数值')
plt.ylabel('密度')
plt.show()

注意事项 #

• 若DataFrame包含多列，务必指定具体分析列，避免seaborn.histplot绘制所有列的混合直方图
• alpha参数用于调整直方图透明度，让叠加的曲线更清晰

内容的提问来源于stack exchange，提问作者Chris