当然有可行的方法啦！核心思路是先获取前四个直方图的统一分箱区间和对应频率值，然后对每个分箱的频率求平均，最后用这个平均频率和分箱区间绘制第五个直方图。

关键注意点 #

要保证四个直方图使用完全相同的分箱区间，否则不同分箱的频率无法对应求和，结果没有意义。我们可以复用第一组数据生成的分箱区间给后面三组。

完整实现代码 #

import numpy as np
import matplotlib.pyplot as plt

# 生成4组随机数据（优化原代码，用numpy更高效）
np.random.seed(42)  # 设置随机种子，保证结果可复现
elevations = [np.random.randint(-10000, 10000, size=100) for _ in range(4)]

# 绘制前4个直方图，同时保存分箱区间和频率
plt.figure(1)
n1, bins, _ = plt.hist(elevations[0], bins=20, label='Elevations1')
plt.legend()

plt.figure(2)
n2, _, _ = plt.hist(elevations[1], bins=bins, label='Elevations2')  # 复用bins保证分箱一致
plt.legend()

plt.figure(3)
n3, _, _ = plt.hist(elevations[2], bins=bins, label='Elevations3')
plt.legend()

plt.figure(4)
n4, _, _ = plt.hist(elevations[3], bins=bins, label='Elevations4')
plt.legend()

# 计算每个分箱的平均频率
avg_frequency = (n1 + n2 + n3 + n4) / 4

# 绘制平均直方图
plt.figure(5)
# 计算分箱中心位置，让柱状图居中显示
bin_centers = (bins[:-1] + bins[1:]) / 2
# 绘制柱状图，宽度与原直方图分箱宽度一致
plt.bar(bin_centers, avg_frequency, width=np.diff(bins), alpha=0.7, color='orange', label='Average Histogram')

plt.xlabel('Elevation')
plt.ylabel('Average Frequency')
plt.title('Average of 4 Elevation Histograms')
plt.legend()
plt.show()

代码细节解释 #

1. 数据生成优化：用np.random.randint替代原代码的循环写法，更简洁高效；设置np.random.seed能让每次运行生成的随机数据一致，方便调试和复现结果。
2. 保存直方图参数：plt.hist会返回三个值：n（每个分箱的频率）、bins（分箱区间数组）、patches（图形元素）。我们只需要前两个，并且复用第一组的bins给后面三组，确保所有直方图的分箱规则完全相同。
3. 平均频率计算：直接对四个频率数组求和后除以4，就能得到每个分箱的平均频率值。
4. 平均直方图绘制：用plt.bar绘制比再次调用plt.hist更直观，因为我们已经有了现成的频率数据；bin_centers让柱状图居中对齐分箱区间，width=np.diff(bins)保证柱状图宽度和原直方图分箱宽度一致，视觉上更统一。

内容的提问来源于stack exchange，提问作者NEMM2020