我有一个数据df框，可用于在同一x轴上生成两个条形图。与其将这些值显示为条形图，不如说是一条适合条形的曲线。也就是说，它应该有点像高斯分布或正态分布拟合，但是我想保持x轴和y轴相同，而不显示频率。我还需要从0开始且适合任何负值的拟合。我怎样才能做到这一点？我想象scipycurve_fit函数可能有用或sns.distplot？

df
    size    a           b
    0       0.000000    6.20405
    1       0.000000    9.262046
    2       2.51524     14.28944
    3       6.750392    12.756672
    4       9.893210    9.733124
    5       10.302983   6.690388
    6       11.302383   4.86942
    7       8.024279    8.32051
    8       4.39434     7.228450
    9       2.05516     3.767661

x = df['a']
y = df['b']

n = 10

fig, ax = plt.subplots(1)

bar_width = 0.4  # default: 0.8
bar_locations = np.arange(n)

ax.bar(bar_locations, x, bar_width)
ax.bar(bar_locations - bar_width, y, bar_width, color='r') 

fig.show()

更新：

fig, ax = plt.subplots()
for a in [x, y]:
    sns.distplot(a, bins=range(1, 25, 1), ax=ax, kde=True, fit=stats.gamma)

如何清洁此图形，以便a）强制kde拟合不为任何负数（数据从0开始！），b）删除黑线和绿/蓝条？