计算一组数据的直方图。
参数：a： ： array_like
输入数据。直方图是在展平的数组上计算的。
bins： ： int 或 sequence of scalars 或 str, 可选参数
如果bins是一个int，则它将在给定范围内定义equal-width个bins的数量(默认为10个)。如果bin是一个序列，则它将定义bin边(包括最右边)的单调递增数组，从而允许非均匀的bin宽度。
1.11.0版中的新功能。
如果bin是字符串，则它定义用于计算最佳bin宽度的方法，如histogram_bin_edges。
range： ： (float, float), 可选参数
垃圾箱的上下范围。如果未提供，范围只是(a.min(), a.max())。超出范围的值将被忽略。范围的第一个元素必须小于或等于第二个。范围也会影响自动bin计算。虽然根据范围内的实际数据计算出箱宽是最佳的，但箱数将填充整个范围，包括不包含数据的部分。
normed： ： bool, 可选参数
从1.6.0版开始不推荐使用。
这等效于密度参数，但是对于不等的箱宽会产生不正确的结果。不应该使用它。
在1.15.0版中进行了更改：Deprecation警告实际上是发出的。
weights： ： array_like, 可选参数
一组与a形状相同的砝码。每个中的每个值仅将其关联权重分配给仓位计数(而不是1)。如果density为True，则将权重标准化，以使该范围内的密度积分保持为1。
density： ： bool, 可选参数
如果False，结果将包含每个bin中的样本数。如果True，结果是bin处的概率密度函数的值，将其归一化，使得该范围内的积分为1。注意，除非选择了单位宽度的bin，否则直方图值的总和将不等于1；否则，它不是概率质量函数。
覆盖normed关键字(如果给出)。
返回值：hist： ： 数组
直方图的值。有关可能的语义的描述，请参见密度和权重。
bin_edges： ： dtype float数组
返回垃圾箱边(length(hist)+1)。
注意：
除最后一个(righthand-most)接纸架外，其他所有接纸架均处于半打开状态。换句话说，如果bin是：
[1, 2, 3, 4]
那么第一个垃圾箱是[1, 2)(包括1，但不包括2)和第二个[2, 3)。但是，最后一个垃圾箱是[3, 4]，其中包括4。
例子：
>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))
>>> a = np.arange(5)
>>> hist, bin_edges = np.histogram(a, density=True)
>>> hist
array([0.5, 0. , 0.5, 0. , 0. , 0.5, 0. , 0.5, 0. , 0.5])
>>> hist.sum()
2.4999999999999996
>>> np.sum(hist * np.diff(bin_edges))1.0
1.11.0版中的新功能。
自动箱选择方法示例，使用2个具有2000点的峰值随机数据：
>>> import matplotlib.pyplot as plt
>>> rng = np.random.RandomState(10) # deterministic random data
>>> a = np.hstack((rng.normal(size=1000),
... rng.normal(loc=5, scale=2, size=1000)))
>>> _ = plt.hist(a, bins='auto') # arguments are passed to np.histogram
>>> plt.title("Histogram with 'auto' bins")
Text(0.5, 1.0, "Histogram with 'auto' bins")
>>> plt.show()
