计算直方图交集百分比结果超1的原因及解决方法

为什么结果会大于1？ #

你混淆了直方图的频率和密度计算逻辑，导致分子分母的维度不匹配：

• 用weights=(np.ones_like(d)/len(d))时，plt.hist返回的n是每个bin的频率（所有bin的频率总和为1）。
• 你计算直方图总面积时用了sum(np.diff(bins)*n)，这是每个bin的「频率×宽度」之和，结果等于数据范围的总长度（比如数据范围是0到0.5，这个值就是0.5）。
• 但你计算重叠面积时直接对np.minimum(n1,n2)求和，得到的是频率的总和（两个数据集相同时为1）。
• 当数据范围总长度小于0.5时，分母n1_area+n2_area就会小于1，分子是1，最终结果自然大于1。

修正代码 #

核心是让分子分母的计算逻辑统一：都基于直方图矩形的面积（高度×宽度）。有两种常用方案：

方案1：使用密度直方图（推荐） #

直接用density=True参数获取密度值，此时每个直方图的总面积固定为1，计算更直观：

import numpy as np
import matplotlib.pyplot as plt

rng = (min(dataset1.min(), dataset2.min()), max(dataset1.max(), dataset2.max()))
# 绘制密度直方图，返回的n是每个bin的密度值
n1, bins1, _ = plt.hist(dataset1, color=color1, alpha=0.75, bins=7, density=True, range=rng)
n2, bins2, _ = plt.hist(dataset2, color=color2, alpha=0.75, bins=7, density=True, range=rng)

bin_widths = np.diff(bins1)
# 交集面积：每个bin取最小密度 × bin宽度，求和
overlap_area = np.sum(np.minimum(n1, n2) * bin_widths)
# 两个直方图总面积各为1，总和是2
total_area = 1 + 1
# 转成百分比
overlap_percentage = overlap_area / total_area * 100

方案2：基于原权重逻辑修正 #

如果你坚持用权重方式，只需给重叠面积的计算加上bin宽度的乘积：

import numpy as np
import matplotlib.pyplot as plt

rng = (min(dataset1.min(), dataset2.min()), max(dataset1.max(), dataset2.max()))
n1, bins1, _ = plt.hist(dataset1, color=color1, alpha=0.75, bins=7, weights=(np.ones_like(dataset1)/len(dataset1)), range=rng)
n2, bins2, _ = plt.hist(dataset2, color=color2, alpha=0.75, bins=7, weights=(np.ones_like(dataset2)/len(dataset2)), range=rng)

bin_widths = np.diff(bins1)
# 计算每个直方图的总面积（频率×宽度之和）
n1_area = np.sum(n1 * bin_widths)
n2_area = np.sum(n2 * bin_widths)
# 计算交集面积（最小频率×宽度之和）
overlap_area = np.sum(np.minimum(n1, n2) * bin_widths)
# 计算百分比
overlap_percentage = overlap_area / (n1_area + n2_area) * 100

当两个数据集完全相同时，两种方案都会得到50%的结果，符合预期。

内容的提问来源于stack exchange，提问作者Tessa