能否用xhistogram创建循环分箱？本地时间分箱实现咨询

xhistogram本身不支持直接定义左边界大于右边界的分箱，它默认要求分箱区间是左≤右的有序范围，直接传入左大右小的bins会导致数据无法被正确统计甚至报错。不过可以通过两种简单的方法实现你要的跨零点分箱需求：

方法一：时间偏移法 #

把跨零点时段的时间值做偏移，让原本的0-1小时变成24-25小时，这样就能用常规的有序分箱来覆盖23-25小时（对应原时间的23-1点），统计完成后再修正分箱标签即可。

示例代码：

import xhistogram as xh
import numpy as np

# 模拟0-23小时的时间数据
time_data = np.array([23.5, 0.2, 0.8, 2.1, 22.9, 0.5])

# 对0-1点的时间加24小时，实现偏移
shifted_time = np.where(time_data < 1, time_data + 24, time_data)

# 定义分箱：23-25对应原时间23-1点，其余按2小时宽度设置常规分箱
bins = [23, 25, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23]
hist = xh.histogram(shifted_time, bins=bins)

# 修正分箱标签，还原成原时间范围
corrected_bin_labels = []
for left, right in zip(hist.bins[0][:-1], hist.bins[0][1:]):
    if left == 23 and right == 25:
        corrected_bin_labels.append("23-1")
    elif left >= 24:
        corrected_bin_labels.append(f"{left-24:.0f}-{right-24:.0f}")
    else:
        corrected_bin_labels.append(f"{left:.0f}-{right:.0f}")

# 输出结果
print("统计频次:", hist.values)
print("分箱标签:", corrected_bin_labels)

方法二：掩码筛选+合并统计 #

直接用掩码筛选出跨零点区间的样本并统计数量，再单独用xhistogram处理其余常规分箱，最后把两部分结果合并。这种方法逻辑更直观，适合分箱规则简单的场景。

示例代码：

import xhistogram as xh
import numpy as np

time_data = np.array([23.5, 0.2, 0.8, 2.1, 22.9, 0.5])

# 统计跨零点区间(23, 1)的样本数量
midnight_bin_count = np.sum((time_data > 23) | (time_data < 1))

# 处理其余常规2小时分箱（从2点开始到23点）
regular_bins = np.arange(2, 25, 2)
regular_hist = xh.histogram(time_data, bins=regular_bins)

# 合并统计结果和分箱标签
all_counts = np.concatenate([[midnight_bin_count], regular_hist.values])
all_bin_labels = ["23-1"] + [f"{b}-{regular_bins[i+1]}" for i, b in enumerate(regular_bins[:-1])]

# 输出结果
print("统计频次:", all_counts)
print("分箱标签:", all_bin_labels)

内容的提问来源于stack exchange，提问作者Joe