如何绘制固定0.5米区间宽度的直方图(无需指定分箱数量)
固定段宽分箱的直方图实现
核心分箱逻辑
整个实现过程完全不需要预先定义分箱总数量,仅通过指定单段区间宽度,自动生成符合要求的连续分箱边界,具体规则为:
- 以要求的固定分箱起点0作为所有区间的起始边界,不从数据集最小值起步,保证区间顺序严格匹配0-0.5、0.5-1、1-1.5的既定规则
- 按照0.5米的固定段宽依次累加生成区间边界,直到生成的最大边界值可完整覆盖数据集的最大值(本例中数据集最大值为6.2,因此最终生成的最大边界为6.5,可完整覆盖该样本点)
- 采用连续无重叠区间通用的左闭右开计数规则,避免落在区间边界上的样本被重复统计:例如1.0归属1-1.5区间,2.0归属2-2.5区间,完全匹配要求的连续区间划分逻辑
自动生成的分箱与统计结果
按照上述规则生成的全量分箱区间及对应样本计数为:
- 0-0.5(左闭右开):样本为0.1,计数1
- 0.5-1(左闭右开):样本为0.6,计数1
- 1-1.5(左闭右开):样本为1.0,计数1
- 1.5-2(左闭右开):样本为1.6、1.8,计数2
- 2-2.5(左闭右开):样本为2.0、2.0,计数2
- 2.5-3:无样本,计数0
- 3-3.5:无样本,计数0
- 3.5-4:无样本,计数0
- 4-4.5:无样本,计数0
- 4.5-5:无样本,计数0
- 5-5.5:无样本,计数0
- 5.5-6:无样本,计数0
- 6-6.5(左闭右开):样本为6.2,计数1
代码实现(Python)
完全依靠指定段宽自动生成分箱,无需手动计算分箱数量:
import numpy as np import matplotlib.pyplot as plt # 原始数据集,单位:米 data = [0.1, 0.6, 2.0, 2.0, 6.2, 1.0, 1.6, 1.8] # 指定单段分箱宽度 bin_width = 0.5 # 自动计算分箱起点与终点 bin_start = 0 bin_end = np.ceil(max(data) / bin_width) * bin_width # 自动生成全部分箱边界,全程不需要手动指定分箱总个数 bins = np.arange(bin_start, bin_end + bin_width, bin_width) # 绘制直方图 plt.hist(data, bins=bins, edgecolor="#333333") # 配置图表标签 plt.xlabel("测量值(米)") plt.ylabel("区间样本数量") plt.title("固定0.5米宽度分箱直方图") # 设置x轴刻度与分箱边界对齐 plt.xticks(bins) plt.show()
实现注意事项
- 仅需调整
bin_width参数即可快速适配不同的段宽需求,分箱边界会自动适配数据范围,全程不需要手动修改分箱的总个数 - 若需要调整图表展示样式,可通过修改
edgecolor、rwidth等参数优化可读性,当前默认配置的计数规则与要求的连续区间划分逻辑完全匹配
内容的提问来源于stack exchange,提问作者Javi Brugarolas
相关产品推荐
相关产品推荐

