Вы можете попробовать вручную определить интервалы, а затем построить гистограмму, это даст вам количество:
import seaborn as sns
import numpy as np
from matplotlib import pyplot as plt
from scipy.stats import norm
x = np.random.normal(size=500) * 0.1
fig, ax = plt.subplots()
nbins = 20
xlen = np.linspace(-0.4,0.4,nbins)
binwidth = xlen[1] - xlen[0]
sns.distplot(x, bins=xlen, kde =False, color='lightseagreen',
fit_kws={"color":"lightseagreen"}, hist_kws=dict(alpha=0.7),ax=ax)
Затем установите нормальное распределение , получите вероятность внутри этих интервалов, используя разницу cdf, а затем уменьшите масштаб по оси y:
mu, std = norm.fit(x)
p = np.diff(norm.cdf((xlen-mu)/std))
ax.plot(xlen[:(len(xlen)-1)]+binwidth/2,p*len(x),color='lightseagreen')
ax.set_yticklabels(ax.get_yticks()/len(x))