我尝试用data来拟合各种分布，并测试哪一个最适合。我开始使用scipy的gumbel_r分布，因为这是文献中经常使用的分布。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import scipy.stats as ss

data = pd.read_csv("data.csv")
data

sns.histplot(data["score"], kde=True, stat='probability')
plt.show()

x = np.linspace(0,1,101)
hist, bins = np.histogram(data["score"], bins=x, density=True)
loc, scale = ss.gumbel_r.fit(hist)
dist = ss.gumbel_r(loc=loc,scale=scale)
plt.plot(x, dist.pdf(x))
plt.show()

检查这些图会产生奇怪的结果。例如，我的数据在~ 0. 025左右的~ 0. 09处有一个峰值。然而，绘制的甘贝尔看起来完全不正常。
我现在的问题是：
1.为什么剧情看起来不太一样？我也怀疑stat='probability'可能是罪魁祸首？
1.我需要做些什么，使第二个图看起来与第一个图有点相似？
1.最理想的情况下，我会得到另一个hist，用于拟合分布的相同箱，并输入到scipy.stats.chisquare中，以量化分布的拟合程度，并查看哪个拟合最好，对吗？