使用matplotlib绘制等时间间隔统计的实验数量区间柱状图

你需要实现的是耗时字段的等距分箱频次统计+柱状图绘制，基于pandas和matplotlib可直接完成，核心步骤如下：

• 配置分箱参数：指定时间步长、耗时列对应的列名
• 生成分箱边界：从0（或你需要的起始值）开始，按步长生成覆盖耗时最大值的区间边界点
• 分箱计数：用pd.cut给每条数据打上所属区间标签，再统计每个区间的样本总量
• 绘图展示：用柱状图可视化区间和对应数量的关系

完整代码示例 #

假设你的DataFrame变量名为df，存储耗时的列名为time_cost（替换成你表中实际的列名即可）：

import pandas as pd
import matplotlib.pyplot as plt

# 基础配置
step_length = 20  # 等间隔步长
cost_column = "time_cost"  # 替换为实际的耗时列名

# 生成分箱边界
max_cost = df[cost_column].max()
bins = list(range(0, int(max_cost) + step_length + 1, step_length))

# 分箱并统计每个区间的实验数量
# right=False对应区间规则为[0,20)、[20,40)...，即数值20归入20-40区间
df["time_interval"] = pd.cut(df[cost_column], bins=bins, right=False)
interval_counts = df["time_interval"].value_counts().sort_index()

# 绘制柱状图
plt.figure(figsize=(10, 6))
interval_counts.plot(kind="bar", edgecolor="black")
plt.xlabel("耗时区间")
plt.ylabel("实验总数量")
plt.title("耗时区间实验数量分布")
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()

区间规则调整 #

如果要严格匹配你提到的「0-20、21-40」划分逻辑（即数值20归入0-20区间，21-40的数值归入下一个区间），只需要修改分箱参数即可：

# 调整分箱开闭规则，对应区间为(0,20]、(20,40]...
df["time_interval"] = pd.cut(df[cost_column], bins=bins, right=True)

后续统计和绘图逻辑不需要改动。

内容的提问来源于stack exchange，提问作者Menoyaga