根据要求调参用matplotlib做一个一模一样的直方图（以及如何把成图变得更好看）

又是educoder上的一个题目
数据文件长这样：

编程要求

（文件结构就是一个main.py调用了student.py，数据文件在同级目录下）请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，使用数值规约的无参方法中的直方图展示不同年龄的发病次数。
图片生产要求如下：
设置图片大小 figsize=(10,10)；
图形保存到 Task1/img/T1.png。
预期输出：

尝试作答：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
def student():
    train = pd.read_csv('Task1/diabetes_null.csv', na_values=['#NAME?'])
    #********* Begin *********#
    x=train['Age'].value_counts()
    plt.hist(x,color=None,bins=60)
    plt.figsize=(10,10)
    plt.savefig('Task1/img/T1.png')
    plt.show()
    #********* End *********#	

遇到的问题

同类型显示为同一个颜色，color参数也只能调整为另一个相同颜色
x轴不一样的原因可能有两个，分箱个数和精度。有些数值会直接显示为0

实在解决不了了，上答案：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
def student():
    train = pd.read_csv('Task1/diabetes_null.csv', na_values=['#NAME?'])
    train['Insulin'] = train['Insulin'].fillna(100)
    train['SkinThickness'] = train['SkinThickness'].fillna(train['SkinThickness'].median())
    train['BloodPressure'] = train['BloodPressure'].fillna(train['BloodPressure'].median())
    train['BMI'] = train['BMI'].fillna(train['BMI'].mean())
    train['Glucose'] = train['Glucose'].fillna(train['Glucose'].mean())
    #********* Begin *********#
    plt.figure(figsize=(10,10))
    x=pd.Series(train['Age'])
    count=x.value_counts()
    count.plot(kind='bar')//这里不是使用plt.hist
    plt.savefig("Task1/img/T1.png")
    plt.show()
    #********* End *********#    

原来是不熟悉pandas

在Python中，任何不可变的对象（例如整数，布尔值，字符串，元组）都是可哈希的，这意味着其值在其生存期内不会改变。 这使Python可以创建一个唯一的哈希值来标识它，字典可以使用它来跟踪唯一的键，并使用集合来跟踪唯一的值。 这就是为什么Python要求我们对字典中的键使用不可变的数据类型。

Return a Series containing counts of unique values.返回的也是一个序列

如何做出好看的严谨的直方图

原图：

plt.figure() #初始化一张图
x = life_cycle
plt.hist(x)  #直方图关键操作
plt.grid(alpha=0.5,linestyle='-.') #网格线，更好看 
plt.xlabel('Life Cycle /Month')  
plt.ylabel('Number of Events')  
plt.title(r'Life cycle frequency distribution histogram of events in New York') 
plt.show()

原码：

问题：

不能准确表达信息、凸显信息，
横坐标有多余的部分，
分箱bins也不够细致，
还可以加上拟合线

plt.figure() #初始化一张图
x = life_cycle
width = 40
n, bins, patches = plt.hist(x,bins = width,range=(0,width),color='blue',alpha=0.5) 
#print(n)
#print(bins)  
#print(patches)
#hist是有返回值的
#n对应着纵坐标的值，bins对应横坐标的值，patches是具体的条形对象。
plt.grid(alpha=0.5,linestyle='-.') #网格线，更好看 
plt.xlabel('Life Cycle /Month')  
plt.ylabel('Number of Events')  
plt.title(r'Life cycle frequency distribution histogram of events in New York') #+citys[i])  
plt.xticks(np.arange(0,width,2))# 刻度的精度值
plt.plot(bins[0:width]+((bins[1]-bins[0])/2.0),n,color='red')#利用返回值来绘制区间中点连线
plt.show()