已知区间内数值数量，如何用Python绘制直方图？

如果已经掌握每个区间的数值数量，无需还原原始数据就能快速画出直方图，以下是两种实用方案：

方法一：直接用条形图模拟直方图（推荐） #

利用已知的区间计数，通过plt.bar绘制条形图，将宽度设为区间步长即可完美模拟直方图效果：

import numpy as np
import matplotlib.pyplot as plt

amounts = np.array([23, 7, 18, 5])
# 定义区间左边界：对应[0,1)、[1,2)等区间的左端点
bin_left_edges = np.arange(0, 4)
# 绘制条形图，宽度设为区间步长1，添加边框区分区间
plt.bar(bin_left_edges, amounts, width=1, edgecolor='black')
# 设置轴标签和标题
plt.xlabel('数值区间')
plt.ylabel('数量')
plt.title('区间计数直方图')
# 调整x轴刻度，显示对应的区间范围
plt.xticks(bin_left_edges + 0.5, ['[0,1)', '[1,2)', '[2,3)', '[3,4)'])
plt.show()

这种方法无需生成大量重复数据，效率极高，尤其适合计数数据量较大的场景。

方法二：还原模拟数据后绘制传统直方图 #

如果需要贴合传统直方图的绘制逻辑，可以先将计数还原为带重复值的模拟原始数据，再用plt.hist绘制：

import numpy as np
import matplotlib.pyplot as plt

amounts = np.array([23, 7, 18, 5])
# 取每个区间的中点作为代表值（也可选取区间内任意值）
bin_midpoints = np.array([0.5, 1.5, 2.5, 3.5])
# 重复每个中点对应次数，生成模拟原始数据
simulated_data = np.repeat(bin_midpoints, amounts)
# 定义区间边界
bins = np.arange(0, 5, 1)
# 绘制直方图
plt.hist(simulated_data, bins=bins, edgecolor='black')
plt.xlabel('数值区间')
plt.ylabel('数量')
plt.title('模拟原始数据的直方图')
plt.show()

这种方法适合需要基于原始数据做后续分析的场景，但如果计数规模很大，会占用较多内存。

内容的提问来源于stack exchange，提问作者joe963