python在同一张图中展示数据的直方图和核密度图（提示：secondary_y）

在Python中，可以使用matplotlib库中的`subplots`函数在同一幅图中同时显示直方图和核密度估计图。`secondary_y`参数特别适用于在这种场景下，它允许你在共享x轴的基础上添加第二个y轴，用于展示不同类型的数据。

例如，你可以这样做：

import matplotlib.pyplot as plt
import numpy as np

# 创建一些数据
data1 = np.random.randn(1000)
data2 = np.random.randn(1000) + 5

fig, ax1 = plt.subplots()

# 绘制主y轴的直方图
ax1.hist(data1, bins='auto', label='Data 1', color='blue')
ax1.set_ylabel('Frequency', color='blue')

# 添加一个新的y轴（secondary_y）
ax2 = ax1.twinx()
n, bins, patches = ax2.hist(data2, bins='auto', density=True, alpha=0.7,
                          label='Kernel Density Estimate', color='red')
ax2.set_ylabel('Density', color='red')
ax2.yaxis.grid(True)

# 设置标题和图例
fig.suptitle('Histogram and Kernel Density Estimation')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')

plt.show()

在这个例子中，`ax1`负责直方图，而`ax2`则展示了基于`data2`的核密度估计图，其数据量纲通过调整为概率密度（density=True）来适应新的y轴。