嗨，我完全懂你的需求——就是想做一个柱状图，让离均值越近的柱子越高，而且高度控制在0到1之间，对吧？这其实是个挺常见的可视化需求，不需要复杂的统计知识，用几个简单的公式就能实现，我给你拆解一下：

首先，我们先把基础数值算出来：

1. 先算出排序数组的均值μ：把所有数加起来除以总数，比如你给的例子[1,2,3,5,5,7,11]，均值就是(1+2+3+5+5+7+11)/7 ≈4.857
2. 对每个元素，计算它到均值的绝对距离d_i：d_i = |x_i - μ|，比如例子里的1，距离就是|1-4.857|≈3.857，11的距离是|11-4.857|≈6.143
3. 找到所有距离里的最大值D_max：这个值是把y值归一到0-1区间的关键，例子里D_max就是11对应的≈6.143

接下来就是核心的映射公式了，你可以根据想要的视觉效果选择：

1. 线性映射（最直观，变化均匀） #

这个公式会让y值和距离成严格的反比线性关系，离均值最远的元素y直接为0，最近的（如果有元素等于均值）y为1：

y_i = 1 - (d_i / D_max)

用你的例子计算：

• 1的y≈1 - 3.857/6.143≈0.37
• 2的y≈1 - 2.857/6.143≈0.54
• 3的y≈1 - 1.857/6.143≈0.70
• 5的y≈1 - 0.143/6.143≈0.98
• 7的y≈1 - 2.143/6.143≈0.65
• 11的y=0

这个结果和你给的示例y值接近，但如果你想要“距离差大的，y值差也更大”的效果（比如你说的f-e的高度差大于b-c），可以用非线性公式。

2. 幂次非线性映射（强化距离带来的高度差异） #

通过给距离的比值加一个指数k（k>1），可以让远的元素y值下降得更快，放大距离带来的高度差：

y_i = 1 - (d_i / D_max)^k

比如取k=2，计算例子里的7：
(2.143/6.143)²≈0.12，所以y≈1 - 0.12≈0.88；如果想要更极端的差异，把k调大到3，7的y≈1 - 0.042≈0.958。要是想让y值下降得更猛，也可以尝试k<1的情况，不过一般k>1更符合“远的柱子降得快”的需求。

3. 指数衰减映射（平滑的非线性变化） #

这个公式会让y值随着距离增大平滑下降，而且可以通过调整k来控制下降的快慢：

y_i = exp(-k * d_i / D_max)

比如取k=2，计算例子里的7：
d_i/D_max≈0.349，exp(-2*0.349)=exp(-0.698)≈0.49，再微调k到2.1，就能得到接近你示例里的0.45的y值。

另外，你提到的相同元素（比如例子里的两个5），它们的距离d_i相同，所以不管用哪个公式，y值都会一样，完全符合你要的效果。

总结一下，你可以先试试线性映射，要是觉得高度差异不够明显，就换成幂次或者指数的版本，调整参数k直到得到你想要的视觉效果就行。

备注：内容来源于stack exchange，提问作者TomLV