Seaborn histplot不同数据范围下直方图计数不一致问题

我用Seaborn绘制直方图时遇到了计数不一致的问题：

• 第一次绘制kms_driven<=100000的直方图：

sns.histplot(df.query('kms_driven<=100000'),x='kms_driven',binwidth=10000)
plt.show()

该图中0-10000区间有851个数据点，10000-20000区间有1266个数据点。

• 第二次绘制kms_driven<=200000的直方图：

sns.histplot(df.query('kms_driven<=200000'),x='kms_driven',binwidth=10000)
plt.show()

此时0-10000区间计数仍为851，但10000-20000区间计数变成了约900，和之前的1266不符。

我手动统计了kms_driven<=200000数据的各区间数量：

for i in range(0, 200000, 10000):
    a = i
    b = i + 10000
    print(f'{a} - {b}:', df.query('kms_driven<=200000').query('(kms_driven <= @b) & (kms_driven > @a)').kms_driven.count())

统计结果显示10000-20000区间确实是1266，但两幅直方图的该区间计数不一致，请问原因是什么？

这是因为Seaborn的histplot仅设置binwidth时，会根据当前数据集的整体范围自动调整区间起始位置，而非固定从0开始划分区间：

• 第一次绘图时，数据范围是0到100000，binwidth=10000会生成从0开始的区间：[0,10000), [10000,20000), ..., [90000,100000]，和手动统计的区间规则完全匹配，所以10000-20000区间计数为1266。
• 第二次绘图时，数据范围扩大到0到200000，Seaborn可能会调整区间起始点（比如从某个非0值开始），导致原本属于[10000,20000)的部分数据被划分到相邻区间，最终显示的计数就变少了。

如果要让两次绘图的区间划分完全一致，和手动统计规则匹配，可以手动指定区间边界，而非仅设置binwidth：

# 手动生成从0到200000、步长10000的区间边界
bins = range(0, 200001, 10000)
# 第一次绘图
sns.histplot(df.query('kms_driven<=100000'), x='kms_driven', bins=bins)
plt.show()
# 第二次绘图
sns.histplot(df.query('kms_driven<=200000'), x='kms_driven', bins=bins)
plt.show()

这样两次绘图的区间划分完全统一，就能得到和手动统计匹配的计数结果。

内容的提问来源于stack exchange，提问作者Анатолий Осипов