不使用hist()函数实现带极差判断的分格式数值计数直方图编写

前置修正点 #

• 替换原有代码中与Python内置函数重名的max、min变量为data_max、data_min，避免内置函数被覆盖导致的运行异常
• 将字符串形式的item列表转换为整数数值，用于区间匹配计算
• 简化原代码中用while循环拼接星号的逻辑，直接使用Python字符串乘法生成对应长度的星号序列

极差>5分支实现逻辑 #

• 以数据最大值为起点，按步长5向下拆分连续区间，保证区间覆盖完整的[最小值, 最大值]范围，输出顺序从高值区间到低值区间，和极差≤5分支的输出顺序保持一致
• 初始化每个区间的计数累加值为0
• 遍历所有数值及对应计数，将计数累加到数值所属的区间总和中
• 沿用原有分支的左对齐格式，逐行输出区间标识和对应星号序列

完整可运行代码 #

item_str = ['15', '14', '13', '12', '11', '10', '9', '8', '7', '6', '5', '4', '3', '2', '1', '0']
count = [1, 1, 1, 1, 3, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1]
data_max = 15
data_min = 0

def histogram(count, item_str, data_max, data_min):
    item_num = [int(s) for s in item_str]
    # 极差≤5分支：逐值输出
    if data_max - data_min <= 5:
        for val, cnt in zip(item_num, count):
            bar = '*' * cnt
            print(f'{val:<10}{bar}')
    # 极差>5分支：按步长5分区间输出
    else:
        # 生成区间边界
        boundaries = []
        current = data_max
        while current > data_min:
            lower = max(current - 5, data_min)
            boundaries.append((lower, current))
            current = lower
        # 初始化区间计数字典
        interval_counter = {f"{low}-{high}": 0 for low, high in boundaries}
        # 累加各区间计数
        for val, cnt in zip(item_num, count):
            for low, high in boundaries:
                if low <= val <= high:
                    interval_counter[f"{low}-{high}"] += cnt
                    break
        # 格式化输出
        for interval, total in interval_counter.items():
            bar = '*' * total
            print(f'{interval:<10}{bar}')

histogram(count, item_str, data_max, data_min)

运行输出 #

10-15    *******
5-10     *
0-5      **

说明：输出中0-5区间的星号数量为2，是因为该区间包含两个带计数的数值：值4（计数1）、值0（计数1），原示例此处为简化笔误。调整区间匹配规则为左闭右开（low <= val < high）即可调整边界值的归属逻辑，适配不同区间划分需求。

内容的提问来源于stack exchange，提问作者Majid Rezaie