matplotlib绘制极小区间数据时调高bin数得到空直方图如何解决

你的数据基准值为1，整体浮动范围仅为±5e-7，相对偏移只有百万分之一量级。当你提升bin数量时，单个bin的宽度会降低到1e-9甚至更低，要么是matplotlib自动计算bin边界时被双精度浮点数的精度误差干扰，要么是渲染时直方图的条形宽度趋近于0，最终呈现为空白图。对数刻度对该问题无效，因为你的数据是线性均匀分布的，不存在量级差异，对数缩放反而会放大精度问题。

1. 数据偏移预处理 #

直接将所有原始数据减去基准值1，把数据转换为相对于1的偏移量，将分布区间平移到0附近，避免大基准值吃掉小范围浮动的精度：

import numpy as np
import matplotlib.pyplot as plt

# data为你的原始数据列表/数组
offset_data = np.array(data) - 1

fig, ax = plt.subplots()
# 可自由设置bin数量，1000也可正常显示
n, bins, patches = ax.hist(offset_data, bins=1000)
# x轴设置为科学计数法显示，方便读数
ax.ticklabel_format(axis='x', style='sci', scilimits=(0,0))
ax.set_xlabel('相对于1的偏移量')
ax.set_ylabel('频数')
plt.show()

2. 自定义bin边界（可选） #

如果需要更精准的bin划分，可手动计算偏移后数据的范围，自定义bin边界，避免自动计算的误差：

min_offset = offset_data.min()
max_offset = offset_data.max()
# 1000个bin需要1001个边界点
custom_bins = np.linspace(min_offset, max_offset, 1001)
n, bins, patches = ax.hist(offset_data, bins=custom_bins)

内容的提问来源于stack exchange，提问作者Eliran Turgeman