如何获取等密度直方图各分箱的上下边界取值？

现成可用的内置函数/库方法 #

等密度（等面积/等频）直方图的核心逻辑是每个分箱内落入的样本量相等，对应的分箱边界本质就是数据集的等分位点，不需要额外找特殊库，通用数据处理库都有现成实现：

• 用numpy实现：直接调用分位数计算函数，传入你需要的分箱数量对应的分位点序列，一步输出边界。示例代码：

import numpy as np
# 假设你的原始正整数数据集存储在变量data中，需要拆分10个等密度分箱
bin_count = 10
# 生成的bin_edges长度为bin_count+1，按升序存储所有边界值
bin_edges = np.quantile(data, np.linspace(0, 1, bin_count + 1))

• 用pandas实现：pandas内置的qcut就是专门用于等频分箱的工具，开启返回分箱参数的开关即可直接拿到边界：

import pandas as pd
# 第一个返回值是每个样本对应的分箱类别，第二个返回值就是分箱边界数组
_, bin_edges = pd.qcut(data, q=bin_count, retbins=True)

• 如果需要自定义分位点的计算规则（比如针对整数数据集调整分位点插值方式），可以用scipy的scipy.stats.mstats.mquantiles函数，支持多种分位数计算逻辑适配需求。

从matplotlib的绘图结果中提取边界 #

你在调用matplotlib的直方图绘制接口时，函数本身就会直接返回分箱边界，不需要额外解析图形元素：

• 不管你用plt.hist还是面向对象的ax.hist接口，调用后都会返回三个对象，第二个返回值就是完整的分箱边界数组：

import matplotlib.pyplot as plt
# 传入你之前用的等面积直方图bins配置即可
counts, bin_edges, bar_patches = plt.hist(data, bins=your_equal_area_bin_setting)
# 遍历获取单个分箱边界：第i个分箱的下边界为bin_edges[i]，上边界为bin_edges[i+1]

针对你250-1200范围的正整数数据集，拿到浮点型的边界值后，可以通过np.round(bin_edges).astype(int)做取整得到整数边界，正态分布场景下取整带来的各分箱样本量偏差极小，基本可以忽略。

内容的提问来源于stack exchange，提问作者thejahcoop