如何用Python为两列文本数据构建100keV宽度分箱的直方图

要实现固定分箱宽度的直方图，核心是直接基于指定宽度生成分箱边界，而非通过极值计算分箱数。先明确数据单位：从你提供的数值来看，第二列能量值大概率是GeV（0.0001GeV = 100keV），以下是完整实现代码：

步骤1：导入依赖库 #

import numpy as np
import matplotlib.pyplot as plt

步骤2：读取文本数据 #

# 读取文件，跳过换行转义符\，仅提取第二列的能量数据
energy_data = np.loadtxt("your_data_file.txt", comments='\\', usecols=(1,))

步骤3：生成固定宽度的分箱 #

# 定义分箱宽度：100keV = 0.0001GeV
bin_width = 0.0001  # 若数据单位是keV，直接设为100即可

# 计算分箱边界：覆盖所有数据的最小/最大范围，步长为固定宽度
min_e = energy_data.min()
max_e = energy_data.max()

bins = np.arange(
    np.floor(min_e / bin_width) * bin_width,
    np.ceil(max_e / bin_width) * bin_width + bin_width,
    bin_width
)

步骤4：绘制直方图 #

# 绘制直方图，添加边界线区分分箱
plt.hist(energy_data, bins=bins, edgecolor='black')

# 设置坐标轴标签（可根据单位调整）
plt.xlabel('Energy (keV)')
plt.ylabel('Count')
plt.title('Histogram with 100keV Bins')

# 转换x轴刻度为keV（若原始数据是GeV）
plt.xticks(bins, [f"{b * 1000000:.0f}" for b in bins])

plt.show()

可选：仅统计分箱计数（不绘图） #

如果只需要获取每个分箱的计数和边界，无需绘图：

counts, bin_edges = np.histogram(energy_data, bins=bins)
print("分箱边界：", bin_edges)
print("各分箱计数：", counts)

关键说明 #

• 使用np.arange生成固定步长的分箱是核心，这避免了你之前通过极值计算分箱数的错误（该方法仅适用于固定分箱数场景，而非固定宽度）
• comments='\\'参数用于处理数据中存在的换行转义符\，确保数据读取正常

内容的提问来源于stack exchange，提问作者Rhit.B