Python绘制浮点列表概率分布：求各区间概率和为1的绘图工具

你的核心问题是生成的ans列表是加权重复采样的结果（每个原始val被重复repeats次），直接用普通直方图统计会因为重复计数导致概率/密度偏差，不需要额外工具，用matplotlib或seaborn就能解决。

问题根源 #

原代码中，每个val被重复repeats次加入ans，相当于每个原始样本的权重是repeats，但普通直方图会把每一次重复都当成独立样本，导致重复次数多的样本被过度计数，最终得到的密度数值偏大。

修正方案 #

不需要生成庞大的ans列表，直接保存原始val和对应的权重repeats，通过直方图工具的weights参数实现加权统计：

1. 修正数据生成逻辑（避免bug+保存权重） #

import math
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

num = 100000
T = 4.5 * math.pi
num_bins = 50

vals = []
weights = []

for i in range(num):
    val = 0.5 * np.random.chisquare(1) + np.random.exponential(1)
    q = np.random.randn()
    # 处理q为负/零的情况，避免生成无效重复次数
    if q <= 0:
        continue
    repeats = int(T / (2 * q))
    if repeats <= 0:
        continue
    vals.append(val)
    weights.append(repeats)

# 转换为numpy数组方便后续处理
vals = np.array(vals)
weights = np.array(weights)

2. 绘制「区间概率和为1」的直方图 #

使用seaborn的histplot（推荐替代已弃用的distplot），设置stat='probability'即可让所有区间的概率和为1：

sns.histplot(
    vals,
    weights=weights,
    bins=num_bins,
    color='blue',
    edgecolor='black',
    stat='probability'  # 此参数控制区间概率和为1
)

# 绘制参考曲线
x = np.linspace(0.01, 20, 1000)
y = 0.5 * np.exp(-0.5 * x)
plt.plot(x, y, lw=3, c='r', label='Chi sqrd with df=2')

plt.legend(loc='upper right')
plt.show()

如果用matplotlib原生函数，可手动将权重归一化到总和为1后绘制：

# 归一化权重，使总和为1
norm_weights = weights / weights.sum()
plt.hist(
    vals,
    bins=num_bins,
    weights=norm_weights,
    color='blue',
    edgecolor='black'
)

# 参考曲线绘制同上
plt.legend(loc='upper right')
plt.show()

3. 若需概率密度（积分和为1） #

如果要对比概率密度曲线，只需把stat参数改为'density'（seaborn），或在matplotlib中设置density=True即可：

sns.histplot(
    vals,
    weights=weights,
    bins=num_bins,
    color='blue',
    edgecolor='black',
    stat='density'
)
plt.plot(x, y, lw=3, c='r', label='Chi sqrd with df=2')
plt.legend(loc='upper right')
plt.show()

内容的提问来源于stack exchange，提问作者q2w3e4