如果您提出了更完整的工作示例（或在这种情况下为非工作示例），则将更有帮助。

我尝试了以下方法：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)

fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, rectangles = ax.hist(x, 50, density=True)
fig.canvas.draw()
plt.show()

实际上，这将产生一个y轴从到的条形图直方图[0,1]。

此外，按照该hist文件（即ax.hist?从ipython），我觉得总和也没关系：

*normed*:
If *True*, the first element of the return tuple will
be the counts normalized to form a probability density, i.e.,
``n/(len(x)*dbin)``.  In a probability density, the integral of
the histogram should be 1; you can verify that with a
trapezoidal integration of the probability density function::

    pdf, bins, patches = ax.hist(...)
    print np.sum(pdf * np.diff(bins))

在上面的命令后尝试一下：

np.sum(n * np.diff(bins))

我得到1.0预期的返回值。请记住，normed=True这并不意味着每个小节的值之和将是统一的，而不是在小节上的积分是统一的。在我的情况下，np.sum(n)返回约7.2767。