Matplotlib直方图存在数值缺失：是使用失误还是特性/Bug？

首先得明确：你的数据是严格离散的——所有values里的元素都是[0.1, 0.2, ..., 0.9]这9个固定值（因为bins[0]=0对应的概率是0，不会被选中），而Matplotlib的hist()函数默认是为连续数据设计的，这就是问题的根源。

为什么会出现“数值缺失”？ #

当你调用plt.hist(values, 10)时，Matplotlib会自动计算分箱规则：从数据的最小值（0.1）到最大值（0.9），均匀分成10个等宽区间。计算一下区间宽度：(0.9-0.1)/10 = 0.08，所以分箱区间是：
[0.1, 0.18), [0.18, 0.26), [0.26, 0.34), ..., [0.82, 0.9]

你的离散值比如0.1落在第一个区间，0.2落在第二个，但0.9刚好卡在最后一个区间的右边界，而中间会出现没有数据的空区间（比如某个区间刚好没有对应的离散值落入），反映在直方图上就是某个位置没有条形，看起来像是“数值缺失”——这完全是分箱区间和你的离散值不匹配导致的，不是Bug。

为什么用更多bins（20/100）看起来“合理”但有空白？ #

当你把bins数量设为20或100时，分箱宽度会变得很窄，每个离散值会被单独分到一个区间里，比如20个bins时，区间宽度是0.04，0.1会落在[0.1, 0.14)，而下一个区间[0.14, 0.18)没有数据，所以会出现空白。但因为分箱足够细，每个离散值对应的条形很窄，整体看起来更接近离散分布的形态，但本质还是因为离散数据没有中间值，导致空区间存在。

正确的解决方法：手动指定匹配离散值的分箱区间 #

既然你的数据是间隔0.1的离散值，最准确的做法是手动定义分箱边界，让每个离散值刚好落在对应箱的中间（或者边界），避免空区间。比如：

# 定义分箱边界：每个离散值左右各扩展0.05，确保每个值单独占一个箱
custom_bins = np.arange(-0.05, 1.0, 0.1)
plt.hist(values, bins=custom_bins)
plt.show()

这样每个箱的范围是[-0.05,0.05), [0.05,0.15), ..., [0.85,0.95)，你的每个离散值都会刚好落在对应箱的中心，直方图会完美匹配你的离散概率分布，既没有“数值缺失”，也不会出现多余的空白。

另外，如果你坚持要用bins=N的形式，也可以结合align参数调整，但手动指定bins是最可靠的方式。

内容的提问来源于stack exchange，提问作者Rho Phi