Есть ли способ построить гауссову кривую в сюжетном масштабе (с масштабированием до оси y без ее нормализации) без использования distplot?

Я пытался построить гистограмму с гауссовым значением, средним и ошибками стандартного отклонения в 1 сигму. Использование ff.create_distplot не позволяет нам выбирать диапазон для требуемой оси Y, оно автоматически нормализует его. Я пробовал использовать версию matplotlib и пытался заставить ее работать, но безрезультатно. Мой код приведен ниже. Любая помощь будет оценена по достоинству. Спасибо.

На изображении видно, что гауссовский нормализован. Как масштабировать его по оси Y?

GX= pd.read_csv(r'X.....X.


csv')
df = pd.DataFrame(GX, columns = ['ra','dec','rest','b_rest','B_rest','pmra','pmra_error','pmdec','pmdec_error','PM'])
ra = df['ra'].tolist()
dec = df['dec'].tolist()
rest = df['rest'].tolist()
b_rest = df['b_rest'].tolist()
B_rest = df['B_rest'].tolist()
pmra = df['pmra'].tolist()
pmra_E = df['pmra_error'].tolist()
pmdec = df['pmdec'].tolist()
pmdec_E = df['pmdec_error'].tolist()
PM = df['PM'].tolist() 
PM1 = []
c = 0
for i in range(len(PM)):
    if (PM[i]<100 and pmra[i]>-4.5 and pmra[i]<1.5 and pmdec[i]>1 and pmdec[i]<3):
        PM1.append(PM[i])
        c+=1
group_labels = ['Proper Motion']
color = ['#636EFA', '#EF553B', '#00CC96', '#AB63FA', '#FFA15A', '#19D3F3', '#FF6692', '#B6E880', '#FF97FF', '#FECB52']    
fig = go.Figure()
fig.add_trace(
    go.Histogram(
        x = PM1
    )
)
mean = np.mean(PM1)
variance = np.var(PM1)
sigma = np.sqrt(PM1)
fig.add_trace(
    go.Scatter(
        name = 'Gaussian',
        mode = 'lines',
        x = PM1,
        y = mlab.normpdf(PM1, mean, sigma)
    )
)
#Line Plot for mean
mean = np.mean(PM1)
stdev_pluss = mean + np.std(PM1)
stdev_minus = mean - np.std(PM1)
median = np.median(PM1)
fig.add_trace(
    go.Scatter(
        name = 'Mean',
        x=[2.769491040712437]*1000,
        y = np.linspace(0,105,num = 1000),
        mode="lines",
        marker=dict(
            size=2,
            line=dict(
                color = 'rgb(128,177,211)',
                width=1
            )
        )
    )
)
#Line Plot for Median
fig.add_trace(
    go.Scatter(
        name = 'Median',
        x=[2.800431666]*1000,
        y = np.linspace(0,105,num = 1000),
        mode="lines",
        marker=dict(
            size=2,
            line=dict(
                color = 'rgb(128,177,211)',
                width=1
            )
        )
    )
)
#Plotting Standard Deviation Lines
fig.add_trace(
    go.Scatter(
        name = 'Stdev-',
        x=[(stdev_minus)]*1000,
        y = np.linspace(0,105,num = 1000),
        mode="lines",
        marker=dict(
            size=2,
            line=dict(
                color = 'rgb(128,177,211)',
                width=1
            )
        )
    )
)
fig.add_trace(
    go.Scatter(
        name = 'Stdev+',
        x=[(stdev_pluss)]*1000,
        y = np.linspace(0,105,num = 1000),
        mode="lines",
        marker=dict(
            size=2,
            line=dict(
                color = 'rgb(128,177,211)',
                width=1
            )
        )
    )
)


fig.update_layout(
    title = 'Proper Motion Histogram + Gaussian distribution ',
    xaxis = dict(
        title='Proper Motion'
    ),
    yaxis = dict(
        title='Count'
    ),
    template = 'plotly_dark',
    showlegend = True
)
fig.show()
print('Mean :{}\nMedian: {}\nStandard Deviation: {}'.format(mean,median,stdev))