您可以通过ax.patches访问生成的矩形列表，然后重新着色第一个矩形：

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

df = pd.DataFrame({'Sales': 100000 * (np.random.rand(80) ** 1.5) + 18000})
ax = sns.histplot(x='Sales', data=df, bins=4, color='skyblue', alpha=1)
ax.patches[0].set_facecolor('salmon')
plt.show()

要获得精确的40.000分离，您可以在同一个子图上创建两个直方图。使用binrange=可以设置精确的限值：

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

df = pd.DataFrame({'Sales': 100000 * (np.random.rand(80) ** 1.5) + 18000})
# either choose a fixed limit, or set it exactly at one fourth
limit = 40000
# limit = df['Sales'].min() + 0.25 * (df['Sales'].max() - df['Sales'].min())
ax = sns.histplot(x='Sales', data=df[df['Sales'] <= limit],
                  bins=1, binrange=(df['Sales'].min(), limit), color='salmon')
sns.histplot(x='Sales', data=df[df['Sales'] > limit],
             bins=3, binrange=(limit, df['Sales'].max()), color='skyblue', ax=ax)
plt.show()

用途：

import seaborn as sns
s = [1,1,2,2,1,3,4]
s = pd.DataFrame({'val': s, 'col':['1' if x==1 else '0' for x in s]})
sns.histplot(data=s, x="val", hue="col")

输出：

好吧，确切的方法将取决于您使用的绘图软件。您最好的办法是将数据分为两组，一组用于第一条，另一组用于其余部分。您应该能够以自己的颜色输出每组数据。