如何对直径数据分箱计数并归一化Y轴以绘制图表？

1. 导入依赖库 #

import pandas as pd
import matplotlib.pyplot as plt

2. 构建数据集 #

# 按给定数据创建DataFrame
data = {
    'DIAMETER': [3.039085, 2.763617, 2.052176, 9.498093, 2.680360],
    'AREA': [1230000]*5
}
df = pd.DataFrame(data)

3. 定义分箱规则 #

要生成2-3到9-10间隔为1的分箱，先设定边界和对应标签：

# 分箱边界：2到10，左闭右开
bins = range(2, 11)
# 生成分箱标签，如2-3、3-4...
labels = [f"{i}-{i+1}" for i in bins[:-1]]

4. 分箱并统计数量 #

使用pd.cut完成分箱，开启include_lowest=True确保左边界值（如2.05）被正确归入2-3箱；之后统计各箱数量，并用reindex补全所有分箱标签（缺失的箱计数补0）：

# 给直径列打箱标签
df['bin'] = pd.cut(df['DIAMETER'], bins=bins, labels=labels, include_lowest=True)

# 统计各箱数量，补全所有分箱（确保空箱显示0）
bin_counts = df['bin'].value_counts().reindex(labels, fill_value=0)

此时bin_counts的输出符合你需要的格式：

2-3     3
3-4     1
4-5     0
5-6     0
6-7     0
7-8     0
8-9     0
9-10    1
Name: bin, dtype: int64

5. 归一化处理 #

所有样本的面积都是1230000，直接用计数除以该值完成归一化：

normalized_counts = bin_counts / df['AREA'].iloc[0]

如果后续数据中面积存在差异，可按分组统计后再做归一化。

6. 绘制图表 #

用柱状图展示分箱与归一化计数的关系：

plt.figure(figsize=(10, 6))
normalized_counts.plot(kind='bar', color='#4287f5')
plt.xlabel('直径分箱')
plt.ylabel('归一化计数')
plt.title('直径分箱归一化计数分布')
plt.xticks(rotation=0)  # 保持X轴标签水平，提升可读性
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者user16893438