如何基于已知自定义频率/数密度值绘制直方图

你遇到的问题核心是：Matplotlib 常用的plt.hist()接口要求输入原始样本数据，由程序自动完成分箱计数逻辑，不适合已经提前提取到每个分箱对应数密度/占比的场景。这种场景直接用柱状图接口自定义分箱宽度、位置即可，完全复现标准直方图效果。

示例可运行代码 #

以下代码直接匹配给出的3组分箱测试数据：

import matplotlib.pyplot as plt
import numpy as np

# 输入自定义分箱边界，按从小到大排列
bin_edges = [4.2, 4.3, 4.4, 4.5]
# 每个分箱对应的y轴数值（数密度/占比），顺序和分箱区间一一对应
# 对应区间依次为：4.2-4.3nm、4.3-4.4nm、4.4-4.5nm
bin_density = [0, 33, 40]

# 自动计算每个分箱的宽度、中心横坐标
bin_width = np.diff(bin_edges)
bin_center = bin_edges[:-1] + bin_width / 2

# 初始化画布
plt.figure(figsize=(6, 4), dpi=120)
# 绘制柱形：宽度匹配分箱宽度，加黑色描边匹配标准直方图样式
plt.bar(
    x=bin_center,
    height=bin_density,
    width=bin_width,
    edgecolor="black",
    color="#4c72b0",
    linewidth=1
)

# 坐标轴配置
plt.xlabel("粒径 (nm)")
plt.ylabel("数密度占比 (%)")
plt.xlim(4.15, 4.55)  # x轴两侧留少量边距
plt.ylim(0, 45)       # y轴上限略大于最大y值
plt.xticks(bin_edges) # x轴刻度直接显示分箱边界
# 隐藏上、右侧边框，匹配科研绘图常用样式
plt.gca().spines["top"].set_visible(False)
plt.gca().spines["right"].set_visible(False)

plt.tight_layout()
plt.show()

适配自定义数据的注意事项 #

• 替换数据时只需要修改bin_edges（所有分箱的边界值）和bin_density（每个分箱对应的y值）两个列表即可，两个列表的长度关系必须满足：len(bin_density) = len(bin_edges) - 1
• 该方法天然支持非均匀宽度分箱，不需要手动调整柱子宽度，程序会自动根据分箱边界计算对应柱宽
• 如果你的y值是归一化数密度而非百分比，直接替换bin_density内容、同步修改y轴标签即可
• 样式调整可以通过修改color（柱子填充色）、linewidth（描边粗细）、坐标轴范围参数实现和参考样式1:1匹配

其他语言实现参考 #

如果使用R语言实现，逻辑完全一致：用geom_col()图层，手动指定柱宽为分箱宽度、柱位置为分箱中心即可，不需要使用geom_histogram()自动统计接口。

内容的提问来源于stack exchange，提问作者Nimish