直方图曲线拟合的剧烈变化，每增加1个单元

Question

我很难将柯西分布拟合到我的数据直方图中。我是这样做的：

counts,binEdges = np.histogram(nozero_data,bins=nBins,density=True)  
xlist=np.linspace(nozero_data.min(),nozero_data.max(),nBins)
fitErrors=np.sqrt(counts+1.)

#make an initial guess for the parameters
initialGuess = [np.mean(nozero_data), np.std(nozero_data)]

#fit the data
params,pcov=curve_fit(cauchy_dist,xlist,counts,p0=initialGuess,sigma=fitErrors)

仅供参考，定义柯西分布的代码如下：

def cauchy_dist(x,loc,scale):
    return 1/((np.pi*scale)*(1+np.power(((x-loc)/scale),2)))

我使用了Diaconis-Freedman规则来确定适当数量的箱子，但是注意到曲线与直方图的拟合非常差。我手动更改了nBins，当nBins=103时，曲线拟合得很差，当nBins=104时，曲线拟合得很好，当nBins=105时，曲线拟合得很差。但奇偶关系并不成立（当nBins=97时，它工作得很好，但nBins=96时就不行）。你知道这是怎么回事吗？你知道吗