在Python中，直方圖是一種用于可視化數據分布的重要工具。直方圖將數據集分成一系列的小區間（bin），統計每個區間內的數據數量，并以柱狀圖的方式展示出來。在某些情況下，直方圖的橫坐標范圍可能不一致，為了消除這種偏差，可以使用直方圖歸一化來將數據壓縮到特定范圍內。

import numpy as np
import matplotlib.pyplot as plt
data = np.random.normal(0, 1, 10000)  # 生成一組均值為0，標準差為1的正態分布數據
plt.hist(data, bins=30, range=(-5, 5), density=False)  # 顯示原始直方圖
plt.figure()  # 新建一個圖像
plt.hist(data, bins=30, range=(-5, 5), density=True)  # 顯示歸一化后的直方圖
plt.show()

在上述代碼中，首先使用numpy.random.normal函數生成了一組均值為0，標準差為1的正態分布數據。然后，使用matplotlib.pyplot.hist函數生成原始直方圖，其中bins參數指定了區間數量，range參數指定了橫坐標范圍，density參數指定了是否對縱坐標進行歸一化。

要生成歸一化后的直方圖，只需將density參數設置為True即可。歸一化后的直方圖的縱坐標表示該區間內數據占總數據數量的比例，因此所有縱坐標的和應為1。

可以通過直方圖歸一化來消除不同數據量之間的偏差，從而更準確地比較數據分布的相似性和差異性。