如何从元组列表生成权重数组，绘制Y轴为权重的直方图

嘿，这事儿不难！你的元组列表里每个元素的第二个值就是我们需要的权重，生成权重数组和绘制Y轴为权重的直方图的步骤我给你理清楚了👇

从你的元组列表A中提取权重数组非常直接，只需要遍历每个元组，取出第二个元素即可：

# 补全省略部分后的完整元组列表示例
A = [(122208102.23250552, 34), (164096757.6449624, 4), (212275562.3177331, 72), (499344188.7213493, 240), (515347294.02090293, 2), (614044718.1056056, 4), (623878472.271997, 37), (1050993427.1862154, 2), (1885818969.4904015, 106), (2718942354.402217, 539), (2784838407.8050084, 23), (3996685731.144668, 26), (4540461526.048465, 1), (7019400139.695788, 2), (8079788636.830896, 2), (8847080928.7053, 2), (11989470404.794186, 104), (18560941417.034264, 782)]

# 提取权重数组
weights = [t[1] for t in A]
# 对应的数值数组（后续绘图会用到）
values = [t[0] for t in A]

这样weights就是你要的权重数组了。

根据你的需求，我提供两种常用的绘图方式，你可以根据数据规模和可视化需求选择：

方式1：直接基于原始数据绘制 #

方法A：展开数据后绘制普通直方图 #

把每个数值重复对应权重的次数，再绘制标准直方图，Y轴自然就是权重（出现次数）：

import matplotlib.pyplot as plt

# 展开数据：每个数值重复对应权重的次数
expanded_data = []
for val, cnt in A:
    expanded_data.extend([val] * cnt)

# 绘制直方图，自动分箱
plt.hist(expanded_data, bins='auto', edgecolor='black')
plt.ylabel('权重（出现次数）')
plt.xlabel('数值')
plt.title('数值分布直方图（Y轴为权重）')
plt.show()

方法B：不展开数据，用权重参数绘制（适合大数据量） #

如果数据量很大，展开数据会占用过多内存，直接用matplotlib的weights参数更高效：

import matplotlib.pyplot as plt

# 提取数值和权重（如果前面已经生成过可以跳过这一步）
values = [t[0] for t in A]
weights = [t[1] for t in A]

# 绘制直方图，指定weights参数
plt.hist(values, bins='auto', weights=weights, edgecolor='black')
plt.ylabel('权重（出现次数）')
plt.xlabel('数值')
plt.title('数值分布直方图（Y轴为权重）')
plt.show()

方式2：自定义分箱，展示区间总权重 #

如果你想把数值分成若干区间，Y轴显示每个区间的总权重，可以这样做：

import matplotlib.pyplot as plt
import numpy as np

values = [t[0] for t in A]
weights = [t[1] for t in A]

# 自定义分箱数量，比如分成10个区间
bins = np.linspace(min(values), max(values), 10)

# 计算每个区间的总权重
bin_total_weights, _ = np.histogram(values, bins=bins, weights=weights)

# 绘制直方图（用条形图更直观展示区间权重）
plt.bar(bins[:-1], bin_total_weights, width=np.diff(bins), edgecolor='black')
plt.ylabel('区间总权重')
plt.xlabel('数值区间')
plt.title('数值区间权重直方图')
plt.show()

内容的提问来源于stack exchange，提问作者Rebel