能够表示单个属性的分布情况，分别在一个图中用3种颜色表示单个属性数据在不同类别下的直方图分布，是选取典型特征的最直观的方式。，python

您可以使用 Python 的 Matplotlib 库来绘制单个属性在不同类别下的直方图分布，这是展示特征之间关系的一种常见方式。下面是一个示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
data = np.random.randn(1000, 1)
labels = np.random.randint(0, 3, size=(1000,))

# 绘制直方图
fig, ax = plt.subplots()
colors = ['r', 'g', 'b']
for i in range(3):
    mask = labels == i
    ax.hist(data[mask], bins=30, alpha=0.5, color=colors[i], label=f'Class {i}')
ax.legend()
plt.show()

这段代码中，首先使用 numpy 库生成了一个 1000 行 1 列的随机数矩阵，表示了一个属性的数据。然后，使用 numpy 库生成了一个 1000 行的随机数向量，表示了每个样本所属的类别。接着，创建了一个大小为 1x1 的图形，并使用 for 循环对三个类别的数据分别进行绘制。在循环中，使用布尔掩码（mask）选出对应类别的数据，然后用 hist() 函数绘制直方图，设置了颜色、透明度和标签。最后，调用 plt.legend() 函数添加图例，并调用 plt.show() 函数显示绘制的图形。

您可以根据自己的需求修改代码中的数据和参数，以便绘制符合自己需求的直方图。