Python如何绘制仅展示累积频率≤40%数据的条件累积频率直方图

核心逻辑 #

要过滤掉尾部无价值的大数值，必须先对原始数据做升序排序，再逐行计算累积值占总数值和的比例，最后筛选出累积比例不超过40%的子集用于绘图，避免未排序状态下累积占比计算错乱导致的筛选错误。

完整实现代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 替换为你自己的原始数据集即可
raw_data = pd.Series([1738, 2200, 1338, 1222, 939, 898])

# 升序排序，保证小值在前、大值在后，尾部为待丢弃的大值
sorted_data = raw_data.sort_values(ascending=True).reset_index(drop=True)

# 计算逐行累积频率
cumulative_percent = 100 * sorted_data.cumsum() / sorted_data.sum()

# 筛选累积频率≤40%的子集
filtered_data = sorted_data[cumulative_percent <= 40]

# 绘制直方图
plt.hist(filtered_data, bins='auto', edgecolor='black')
plt.xlabel('数值')
plt.ylabel('频数')
plt.title('累积占比≤40%数据分布直方图')
plt.show()

注意事项 #

• 你之前的计算逻辑没有对原始数据排序，得到的累积占比不随数值大小递进，截断后会错误混入大值、漏掉小值，无法达到过滤尾部大值提升可读性的目的。
• 如果需要对截断边界做平滑处理，可以根据需求调整阈值，或者对刚超过40%的边界值做插值保留，常规分析场景直接布尔筛选即可满足需求。
• 用你给出的子样本测试，排序后数据为[898, 939, 1222, 1338, 1738, 2200]，最终筛选得到的子集为前3个小值，对应的累积占比约为37%，符合截断要求。

内容的提问来源于stack exchange，提问作者SARA