如何基于数据列生成Histogram并获取各Bin内元素索引及对应名称

步骤说明 #

你已经通过np.histogram得到了分组计数和区间边界，接下来可以结合Pandas的分组功能，快速定位每个区间内的元素索引与对应的name值：

完整代码示例 #

import numpy as np
import pandas as pd

# 构造示例数据
data = {
    'name': ['a', 'b', 'c', 'd'],
    'n_7': [20, 14, 18, 11],
    'n_6': [11, 50, 21, 4]
}
df2 = pd.DataFrame(data)

# 生成直方图的计数与区间边界（你的现有代码）
counts, binEdges = np.histogram(df2.n_7, bins=6)

# 将n_7列的值映射到对应的区间分组
df2['bin_group'] = pd.cut(df2['n_7'], bins=binEdges, include_lowest=True)

# 遍历每个分组，提取索引和name
for bin_interval, group in df2.groupby('bin_group'):
    print(f"区间: {bin_interval}")
    print(f"元素索引: {group.index.tolist()}")
    print(f"对应的name: {group['name'].tolist()}")
    print("---")

代码解释 #

• pd.cut(df2['n_7'], bins=binEdges, include_lowest=True)：将n_7的每个值分配到对应的直方图区间，include_lowest=True确保最小值被包含在第一个区间内（匹配np.histogram的左闭右开规则，最后一个区间为闭区间）。
• groupby('bin_group')：按区间分组，每个组包含该区间内的所有行数据。
• 遍历分组时，group.index.tolist()获取组内元素的索引列表，group['name'].tolist()获取对应的名称列表。

示例输出 #

运行上述代码后，针对示例数据会输出类似结果：

区间: (10.991, 12.833]
元素索引: [3]
对应的name: ['d']
---
区间: (12.833, 14.667]
元素索引: [1]
对应的name: ['b']
---
区间: (16.5, 18.333]
元素索引: [2]
对应的name: ['c']
---
区间: (18.333, 20.167]
元素索引: [0]
对应的name: ['a']
---
区间: (14.667, 16.5]
元素索引: []
对应的name: []
---
区间: (20.167, 22.0]
元素索引: []
对应的name: []
---

内容的提问来源于stack exchange，提问作者Hamid