如何用C++ std::map为浮点向量生成分箱直方图？附计数差异疑问

你需要把连续浮点值归到离散箱子里，再统计每个箱的计数，核心步骤如下：

1. 确定数据范围：先找出向量中数据的最小值和最大值，作为分箱的基础边界。
2. 定义分箱参数：指定所需箱数，计算每个箱的宽度：bin_width = (max_val - min_val) / bin_count。
3. 映射数据到对应箱子：遍历每个浮点值，计算它所属的箱索引，用箱的左边界（或中心值）作为std::map的键，累加计数。

替换你原来的统计代码，示例如下：

size_t frames = 1300;
float_t *tdata = (float_t *)malloc(frames * sizeof(float_t));

std::vector<float_t> hdata(tdata, tdata + frames);
std::vector<double> hdata_range, hdata_count;

// 步骤1：获取数据的最小、最大值
float_t min_val = *min_element(hdata.begin(), hdata.end());
float_t max_val = *max_element(hdata.begin(), hdata.end());

// 步骤2：设置分箱数并计算箱宽
int bin_count = 20; // 可根据需求调整
float_t bin_width = (max_val - min_val) / bin_count;

// 步骤3：用map统计每个箱的计数
std::map<float_t, int> hgram;
for (const auto &x : hdata) {
    // 计算当前值所属的箱索引，避免max_val越界
    int bin_idx = static_cast<int>((x - min_val) / bin_width);
    if (bin_idx >= bin_count) bin_idx = bin_count - 1;
    
    // 以箱的左边界作为map的键
    float_t bin_key = min_val + bin_idx * bin_width;
    ++hgram[bin_key];
}

// 后续转换到vector用于绘图的代码不变
transform(hgram.begin(), hgram.end(), back_inserter(hdata_range), [](const auto& val){return val.first;});
transform(hgram.begin(), hgram.end(), back_inserter(hdata_count), [](const auto& val){return val.second;});

这样处理后，每个箱会包含对应区间内的所有数据，计数不再为1，能呈现出正态分布的形态。

出现这种差异，通常是以下细节不一致导致的：

• 分箱规则差异：Matlab的histogram函数默认分箱逻辑和你手动实现的可能不同。比如Matlab会自动用Sturges规则计算箱数，或边界取舍方式不同；另外Matlab默认左闭右开区间，你的代码如果边界处理不当（比如max_val的归属）会导致计数偏差。
• 数据精度问题：你的代码用float_t存储数据，Matlab默认用double处理，浮点精度差异可能让部分数据被归到不同箱子。
• 异常值处理差异：检查是否有NaN、Inf这类异常值，Matlab默认会忽略它们，而你的代码如果没处理，会错误归箱影响计数。
• 箱数不一致：如果Matlab用自动计算的箱数，和你手动设置的bin_count不同，每个箱的样本数自然不同，最大计数也就有差异。

你可以对比Matlab的分箱参数（比如用histogram(data, 'BinEdges', edges)指定和你代码完全一致的边界），就能定位具体原因。

内容的提问来源于stack exchange，提问作者Rolly Ng