我有时必须使用 matplotlib 对离散值进行直方图。在这种情况下，分箱的选择可能至关重要：如果您使用 10 个分箱对 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 进行直方图，则其中一个分箱将有两次和其他人一样重要。换句话说，binsize 通常应该是离散化大小的倍数。
虽然这个简单的案例我自己比较容易处理，但有没有人有一个指向库/函数的指针，可以自动处理这个问题，包括离散化大小可能略有变化的浮点数据的情况由于 FP 舍入？
谢谢。
【问题讨论】：
标签： numpy matplotlib
鉴于您的问题的标题，我将假设离散化大小是恒定的。
您可以找到这个离散化大小（或者至少，严格地说，是该大小的 n 倍，因为您的数据中可能没有两个相邻的样本）
np.diff(np.unique(data)).min()
这会找到数据中的唯一值 (np.unique)，然后找到它们之间的差异 (np.diff)。需要唯一性，这样您就不会得到零值。然后你会找到最小的差异。在离散化常数非常小的情况下，这可能会出现问题 - 我会回到那个问题。
接下来 - 您希望您的值位于 bin 的中间 - 您当前的问题是因为 9 和 10 都位于 matplotlib 自动提供的最后一个 bin 的边缘，因此您在一个 bin 中获得了两个样本。
所以 - 试试这个：
import matplotlib.pyplot as plt
import numpy as np
data = range(11)
data = np.array(data)
d = np.diff(np.unique(data)).min()
left_of_first_bin = data.min() - float(d)/2
right_of_last_bin = data.max() + float(d)/2
plt.hist(data, np.arange(left_of_first_bin, right_of_last_bin + d, d))
plt.show()
这给出了：
我们可以制作更多的测试数据集，例如
import random
data = []
for _ in range(1000):
data.append(random.randint(1,100))
data = np.array(data)
nasty_d = 1.0 / 597 #Arbitrary smallish discretization
data = data * nasty_d
如果您随后通过上面的数组运行它并查看代码吐出的d，您将看到
>>> print(nasty_d) 0.0016750418760469012 >>> print(d) 0.00167504187605
所以 - d 的检测值不是创建数据时使用的 nasty_d 的“真实”值。但是 - 通过将 bin 移动一半 d 以获得中间值的技巧 - 这无关紧要除非您的离散化非常小，所以你在浮点精度的限制或你有1000个箱子，检测到的d和“真实”离散化之间的差异可以达到这样的程度其中一个垃圾箱“错过”了数据点。这是需要注意的事情，但可能不会打击你。
上面的示例图是
对于更复杂的情况，您可能希望查看this blog post I found。本文着眼于从（连续/准连续）数据中自动“学习”最佳 bin 宽度的方法，在开发自己的贝叶斯动态规划方法之前参考多种标准技术，例如 Sturges' rule and Freedman and Diaconis' rule。
如果这是您的用例 - 问题要广泛得多，可能不适合 Stack Overflow 上的明确答案，但希望这些链接会有所帮助。
【讨论】：
plt.hist(x, bins = bins, density = True, color = "green", ec = "black" 其中ec 代表“边缘颜色”。
也许答案不如 J Richard Snape's 完整，但这是我最近学到的一个，我发现它既直观又简单。
import numpy as np
import matplotlib.pyplot as plt
# great seed
np.random.seed(1337)
# how many times will a fair die land on the same number out of 100 trials.
data = np.random.binomial(n=100, p=1/6, size=1000)
# the trick is to set up the bins centered on the integers, i.e.
# -0.5, 0.5, 1,5, 2.5, ... up to max(data) + 1.5. Then you substract -0.5 to
# eliminate the extra bin at the end.
bins = np.arange(0, data.max() + 1.5) - 0.5
# then you plot away
fig, ax = plt.subplots()
_ = ax.hist(data, bins)
ax.set_xticks(bins + 0.5)
事实证明，大约 16/100 次投掷将是相同的数字！
【讨论】：
不完全是 OP 要求的，但如果所有值都是整数，则不需要计算 bin。
np.unique(d, return_counts=True) 返回一个唯一值列表的元组作为第一个元素，并将它们的计数作为第二个元素。这可以使用星号运算符直接插入plt.bar(x, height)：
import numpy as np
import matplotlib.pyplot as plt
d = [1,1,2,4,4,4,5,6]
plt.bar(*np.unique(d, return_counts=True))
这将导致以下情节：
请注意，这在技术上也适用于浮点数，但结果可能出乎意料，因为每个数字都会创建一个条形图。
【讨论】：
另一个只用少量代码处理简单案例的版本！这次使用numpy.unique 和matplotlib.vlines：
import numpy as np
import matplotlib.pyplot as plt
# same seed/data as Manuel Martinez to make plot easy to compare
np.random.seed(1337)
data = np.random.binomial(100, 1/6, 1000)
values, counts = np.unique(data, return_counts=True)
plt.vlines(values, 0, counts, color='C0', lw=4)
# optionally set y-axis up nicely
plt.ylim(0, max(counts) * 1.06)
给我：
看起来非常可读
【讨论】：