如何在Matplotlib中基于时间-数值对应列表设置直方图分箱

核心思路 #

先把list1的datetime数据按zip1的时间区间分组统计数量，再用zip2的数值作为分箱绘制直方图。之前的错误大多是因为操作不可变类型（比如float）、参数格式不对导致的。

具体代码实现 #

先导入依赖库：

import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

1. 数据准备（替换成你的真实数据）

# 示例：zip1是有序时间点，用于划分时间区间；zip2对应每个区间的分箱值
zip1 = [datetime(2023,1,1), datetime(2023,2,1), datetime(2023,3,1), datetime(2023,4,1)]
zip2 = [1.0, 2.0, 3.0]  # 区间数量=zip1长度-1，所以zip2长度要匹配
list1 = [
    datetime(2023,1,15), datetime(2023,1,20), datetime(2023,2,5),
    datetime(2023,2,10), datetime(2023,2,15), datetime(2023,3,5)
]

2. 分组统计数量

# 先确保zip1是递增排序的（必须，否则区间逻辑混乱）
zip1_sorted = sorted(zip1)

# 用pandas划分时间区间并统计每个区间的元素数量
# include_lowest=True 让第一个区间包含最左的时间点
count_series = pd.cut(
    pd.Series(list1),
    bins=zip1_sorted,
    labels=zip2,
    include_lowest=True
).value_counts().sort_index()

3. 绘制直方图

两种方式可选：

方式一：用条形图（更直观，对应离散分箱）

plt.bar(count_series.index, count_series.values, edgecolor='black')
plt.xlabel('Zip2 分箱值')
plt.ylabel('区间内元素数量')
plt.title('时间区间分组频率直方图')
plt.show()

方式二：用plt.hist（严格匹配直方图需求）

plt.hist(zip2, bins=len(zip2), weights=count_series.values, edgecolor='black')
plt.xlabel('Zip2 分箱值')
plt.ylabel('区间内元素数量')
plt.show()

错误原因解释 #

1. AttributeError：你之前尝试给zip2里的float元素添加数据（比如zip2[i].append(xxx)），但float是不可变类型，没有append方法，自然报错。正确做法是新建列表存统计结果，不要修改zip2的元素。
2. plt.hist报错：大概率是传入的参数格式不对——比如直接传入混合了datetime的列表，或者bins参数不是有序的数值数组。用上面的方法把统计后的数量和zip2对应好，再传入就不会出错。

注意事项 #

• 必须保证zip1是递增排序的datetime列表，否则区间划分完全混乱。
• 检查长度匹配：zip2的长度必须等于zip1长度减1（n个时间点划分n-1个区间），否则会出现索引错误或统计结果不匹配。
• 如果list1有超出zip1区间的元素，pd.cut会默认归为NaN，可通过dropna=False保留，或者调整right/include_lowest参数修改区间开闭规则。

内容的提问来源于stack exchange，提问作者A Z