Python使用pyplot绘制直方图的正确方法及两种实现差异问题

不一致的核心原因 #

你写的第二种方法逻辑存在两处关键错误，自然和方法1结果不一致：

• 第一步调用np.histogram(SP[0])时没有指定分箱数，默认只会生成10个分箱的统计结果，和方法1指定的30个分箱统计维度从根源上就不一样
• 第二步调用plt.hist()时参数逻辑完全错误：plt.hist()的第一个参数应该是原始样本数据，你传入了第一步生成的10个分箱左边界bins[:-1]，又强行指定分箱数为30，再搭配10个权重值，相当于把10个统计结果硬塞到30个分箱里，得到的图形完全不反映原始数据的真实分布

两种正确的直方图绘制方案 #

方案1：直接用plt.hist()一步绘制（最常用） #

就是你写的方法1，直接传入原始数据和分箱参数即可，是最简便的写法：

n, bins, patches = plt.hist(SP[0], 30, facecolor='green', alpha=1, histtype='stepfilled')

方案2：先统计分箱再绘制（适合需要提前获取分箱统计值的场景） #

如果需要先调用np.histogram完成统计再绘图，要保证分箱数统一，且绘图参数传递正确：

# 第一步统计时就指定和方法1一致的30个分箱
counts, bins = np.histogram(SP[0], bins=30)
# 优先用plt.stairs绘制预统计的直方图，逻辑更清晰
plt.stairs(counts, bins, fill=True, facecolor='green', alpha=1)

# 如果一定要用plt.hist实现，正确写法如下：
# plt.hist(bins[:-1], bins=bins, weights=counts, facecolor='green', alpha=1, histtype='stepfilled')

对齐结果的注意事项 #

• 要保证两种方法结果完全一致，必须显式指定相同的bins参数值，np.histogram和plt.hist的默认分箱规则完全一致，只要参数统一就不会出现偏差
• 不要把统计得到的分箱边界当做原始数据传入plt.hist，避免逻辑混淆

内容的提问来源于stack exchange，提问作者fjd