如何修改Pandas直方图的X轴以匹配目标样式？

问题 #

我有一个存储智能手机容量数据的DataFrame，数据示例如下：

我希望为该数据生成直方图，尝试使用以下代码：

data.hist(column="capacity", bins=data["capacity"].unique().size, range=(0, max(data["capacity"])), grid=False, edgecolor='black')
plt.show()

当前生成的直方图X轴按100区间划分，我希望将其调整为以具体容量值为X轴的样式，请问该如何实现？

解决方案 #

你的容量数据是离散的固定值，默认的hist()方法会按连续区间划分X轴，要改成显示具体容量值，有两种实用方法：

方法一：用柱状图直接展示离散频数（推荐） #

直接统计每个容量的出现次数，用bar()绘制柱状图，X轴自然就是具体的容量值：

import matplotlib.pyplot as plt

# 统计每个容量的出现次数并按容量排序
capacity_counts = data["capacity"].value_counts().sort_index()

# 绘制柱状图
plt.bar(capacity_counts.index, capacity_counts.values, edgecolor='black')

# 设置图表标签
plt.xlabel("Capacity")
plt.ylabel("Count")
plt.title("Smartphone Capacity Distribution")

plt.show()

方法二：调整hist()的bins参数 #

如果坚持用hist()方法，需要手动设置bins的边界，让每个柱子刚好对应一个容量值，再把X轴刻度改成具体容量：

import matplotlib.pyplot as plt

# 获取排序后的唯一容量值
unique_caps = sorted(data["capacity"].unique())
# 设置bins边界，每个容量值前后各留小范围，确保柱子对应准确
bins = [cap - 1 for cap in unique_caps] + [unique_caps[-1] + 1]

# 绘制直方图
data.hist(column="capacity", bins=bins, grid=False, edgecolor='black')
# 设置X轴刻度为具体容量值
plt.xticks(unique_caps)
plt.xlabel("Capacity")
plt.ylabel("Count")

plt.show()

两种方法都能实现你要的效果，第一种更适合离散数据的展示逻辑，操作也更简单。

内容的提问来源于stack exchange，提问作者Topinambur