如何用Python处理4列TXT数据集生成按X坐标汇总的一维直方图？

你不需要用np.histogramdd，这个函数是用来做多维区间直方图的，和你要的「按原始x值分组求和」需求不匹配。直接用以下两种简单方法即可：

方法一：纯Numpy实现 #

import numpy as np

# 读取文本文件
data = np.loadtxt("your_data.txt")
x_coords = data[:, 0]
values = data[:, 3]

# 获取唯一的x值，以及每个x对应的索引
unique_x, idx = np.unique(x_coords, return_inverse=True)
# 按索引对values加权求和
total_per_x = np.bincount(idx, weights=values)

# 结果：unique_x是横轴的x值，total_per_x是对应总和
print("x值:", unique_x)
print("对应总和:", total_per_x)
# 示例输出：
# x值: [0. 1.]
# 对应总和: [60000. 90000.]

方法二：Pandas实现（更直观） #

import pandas as pd

# 读取数据，分隔符为空格，无表头
df = pd.read_csv("your_data.txt", sep=" ", header=None)
# 按第0列（x坐标）分组，对第3列（数值）求和
sum_result = df.groupby(0)[3].sum()

# 提取结果
unique_x = sum_result.index.to_numpy()
total_per_x = sum_result.to_numpy()

print("x值:", unique_x)
print("对应总和:", total_per_x)

为什么np.histogramdd不适用？ #

你之前用np.histogramdd得到4维张量，应该是误将4列全部作为坐标输入了（正确用法是仅传入前3列x/y/z作为坐标，第4列作为weights参数）。即便用法正确，histogramdd默认会把每个维度分成10个区间（bins=10），它统计的是区间内的加权和，而不是按你原始的离散x值分组求和，所以不符合你的需求。

内容的提问来源于stack exchange，提问作者velenos14