如何指定包含[0,1[、[1,2[、>=2的三箱直方图区间？

嘿，这个问题其实挺常见的！你提到用seq来设置区间，但seq更适合生成连续的等距有限序列，要搞定最后一个>=2的区间，咱们得换个思路——用手动区间划分的方式，而不是只依赖seq。下面分两种常用数据分析工具给你具体说明：

R语言实现 #

在R里，cut()函数是处理自定义区间的利器，能精确控制每个区间的开闭规则，完美适配你的需求：

1. 首先定义区间边界，用Inf（无穷大）来表示最后一个区间的上限：

   breaks <- c(0, 1, 2, Inf)
   

2. 把你的数据按照这个边界分组，通过right=FALSE设置左闭右开的区间规则，确保[0,1[、[1,2[的格式，同时include.lowest=TRUE保证最小值0被包含在第一个区间里：

   # 示例数据，替换成你自己的数据集即可
   x <- rnorm(100, mean=1.5, sd=0.8)
   x_groups <- cut(x, breaks=breaks, include.lowest=TRUE, right=FALSE)
   

3. 生成直方图的方式有两种：
   • 直接用hist()函数，传入自定义边界：

     hist(x, breaks=breaks, right=FALSE, col="lightblue", main="自定义区间直方图")
     

   • 或者基于分组后的结果画条形图（更直观展示区间分组）：

     barplot(table(x_groups), col="lightblue", main="自定义区间分组统计")
     

Python（Pandas+Matplotlib）实现 #

如果用Python做数据分析，pd.cut()函数同样能实现这个需求：

1. 导入需要的库，定义区间边界（用float('inf')表示无穷大）：

   import pandas as pd
   import numpy as np
   import matplotlib.pyplot as plt
   
   bins = [0, 1, 2, float('inf')]
   

2. 对数据进行分组，参数规则和R类似：

   # 示例数据，替换成你的数据
   x = pd.Series(np.random.normal(1.5, 0.8, 100))
   x_groups = pd.cut(x, bins=bins, include_lowest=True, right=False)
   

3. 绘制直方图：
   • 用Pandas的内置绘图功能：

     x_groups.value_counts().plot(kind='bar', color='lightblue', title='自定义区间直方图')
     plt.show()
     

   • 或者用Matplotlib原生的hist()函数：

     plt.hist(x, bins=bins, edgecolor='black', right=False)
     plt.title('自定义区间直方图')
     plt.show()
     

核心思路总结 #

不管用哪种工具，关键都是手动指定区间边界，用「无穷大」来表示最后一个区间的上限，而不是只靠seq生成有限的连续边界。这样就能轻松实现[0,1[、[1,2[、>=2这三个区间的划分啦！

内容的提问来源于stack exchange，提问作者costa_25