如何基于区间数据绘制百分位数图？解决df.hist()分箱异常问题

原代码存在两个核心问题：

• df.hist()是为原始观测数据设计的直方图绘制方法，完全不适用于已经汇总好的区间-频率统计数据
• 原代码中cumulativePercent的计算逻辑错误，当前算出的是单个区间的占比，而非累积百分位数

修正后的完整代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 初始化区间与频率数据
idx = pd.IntervalIndex.from_breaks([39.9, 42.9, 45.9, 48.9, 51.9, 54.9, 57.9])
df = pd.DataFrame({"Bin": idx, "Frequency": [2, 2, 5, 5, 12, 3]})

# 计算累积频率与正确的累积百分位数
n = df["Frequency"].sum()
df['cumulativeSumFreq'] = df["Frequency"].cumsum()
df['cumulativePercent'] = (df['cumulativeSumFreq'] / n) * 100  # 基于累积频率计算占比

# 提取区间中点作为x轴标识（也可根据需求改用左/右边界）
df['bin_mid'] = df['Bin'].apply(lambda x: (x.left + x.right) / 2)

# 绘制累积百分位数折线图
plt.figure(figsize=(8, 5))
plt.plot(df['bin_mid'], df['cumulativePercent'], marker='o', linestyle='-', color='#2c3e50')
# 可选：叠加条形图展示区间累积贡献
plt.bar(df['bin_mid'], df['cumulativePercent'], width=2.8, alpha=0.3, color='#3498db')

# 设置图表样式
plt.xlabel('区间中点')
plt.ylabel('累积百分位数 (%)')
plt.title('百分位数累积分布图')
plt.xticks(df['bin_mid'])
plt.grid(axis='y', linestyle='--', alpha=0.7)

plt.show()

关键说明 #

• 弃用df.hist()：你的数据是汇总后的统计结果，不是原始单条观测值，hist方法的应用场景完全不匹配
• 修正累积占比计算：必须基于cumulativeSumFreq才能得到正确的累积百分位数，原代码的计算逻辑仅能得到单个区间的占比
• 选择合适的x轴数据：用区间中点能更准确代表整个区间的位置，也可根据需求替换为区间左/右边界
• 图表类型选择：折线图最适合展示累积百分位数的变化趋势，叠加条形图可直观呈现每个区间的累积贡献

若需绘制非累积的区间百分位数条形图 #

如果需求是展示单个区间的占比而非累积值，可使用以下代码：

plt.figure(figsize=(8, 5))
plt.bar(df['bin_mid'], (df['Frequency']/n)*100, width=2.8, color='#3498db')
plt.xlabel('区间中点')
plt.ylabel('区间百分位数 (%)')
plt.title('区间百分位数分布图')
plt.xticks(df['bin_mid'])
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

内容的提问来源于stack exchange，提问作者Jimmy3421