如何让Python绘制的直方图百分比总和达到100%

density=True参数会让plt.hist()返回概率密度值，而非分箱事件占比。概率密度的计算逻辑为分箱内事件占比 / 分箱宽度，只有所有分箱的「密度值 * 分箱宽度」求和才等于1（对应100%）。直接将密度值按百分比格式渲染，总和会远小于100%，和你观测到的总和约3%的现象完全匹配。

采用权重法实现，无需依赖density参数，对任意一维输入数组、任意分箱规则都生效，所有分箱占比求和固定为100%：

• 核心逻辑：给每个样本设置等权重1/总样本量，所有样本权重和为1，此时每个分箱的柱高直接对应该分箱的事件占比
• 直接替换原有绘图逻辑即可，不需要额外调整分箱、坐标轴格式配置

修正后可直接运行的代码：

import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter
import numpy as np

plt.gca().yaxis.set_major_formatter(PercentFormatter(1))
data = np.array([0,9,78,6,44,23,88,77,12,29])
length_of_data = len(data)          # 样本总长度
bins = int(np.sqrt(length_of_data)) # 分箱数量

# 核心修正：设置每个样本的权重，所有权重求和为1
weights = np.ones(length_of_data) / length_of_data

plt.title('Histogram')
plt.ylabel('Percentage Of Events')
plt.xlabel('bins')
# 传入weights参数，移除density=True配置
plt.hist(data, bins=bins, weights=weights)
plt.show()

# 校验占比总和
bin_counts, _ = np.histogram(data, bins=bins, weights=weights)
print(f"分箱数量：{bins}，所有分箱占比总和：{bin_counts.sum():.2%}")

运行后控制台会输出占比总和为100%，图中柱高对应各分箱的事件占比，累加和完全符合预期。如果需要更换输入数组，直接替换data变量的内容即可，不需要修改其他逻辑。

内容的提问来源于stack exchange，提问作者Logan