Matplotlib中的bin大小（直方图）
Answers:
实际上，这很简单：您可以提供一个带有bin边界的列表，而不是bin的数量。它们也可能分布不均：
plt.hist(data, bins=[0, 10, 20, 30, 40, 50, 100])如果只希望它们均匀分布，则可以使用range：
plt.hist(data, bins=range(min(data), max(data) + binwidth, binwidth))添加到原始答案
上一行data仅适用于整数填充。正如macrocosme所指出的，对于浮点数，您可以使用：
import numpy as np
plt.hist(data, bins=np.arange(min(data), max(data) + binwidth, binwidth))
20
用np.arange（...）替换range（...）以使其与浮点数一起使用。
—
macrocosme
此处的binwidth是多少？您是否已设置过该值？
—
UserYmY
我相信，在这个例子中binwidth可以通过以下方式找到：
—
Jarad
(data.max() - data.min()) / number_of_bins_you_want。在+ binwidth可以改变只是1使之成为一个更容易理解的例子。
除了上述CodingCat出色的解决方案之外，对于浮动数据，如果您希望直方图条形图以整数x线为中心，而不是条形图边界位于x线，请尝试以下调整：bins = np.arange（dmin-0.5， dmax + 0.5 + binwidth，binwidth）
—
DaveW
选项
—
PatrickT
lw = 5, color = "white"或类似的选项在条之间插入白色间隙
对于N个仓，仓边缘由N + 1个值的列表指定，其中前N个给出较低仓边缘，而+1给出最后一个仓的较高边缘。
码：
from numpy import np; from pylab import *
bin_size = 0.1; min_edge = 0; max_edge = 2.5
N = (max_edge-min_edge)/bin_size; Nplus1 = N + 1
bin_list = np.linspace(min_edge, max_edge, Nplus1)请注意，linspace产生从min_edge到max_edge的数组，该数组分为N + 1个值或N个bin
请注意，bin包含其下限，不包含其上限，但N + 1（最后一个）bin除外，其中包含两个界限。
—
lukewitmer '16
我喜欢事情会自动发生，而垃圾箱却落在“不错的”价值上。以下似乎很好用。
import numpy as np
import numpy.random as random
import matplotlib.pyplot as plt
def compute_histogram_bins(data, desired_bin_size):
min_val = np.min(data)
max_val = np.max(data)
min_boundary = -1.0 * (min_val % desired_bin_size - min_val)
max_boundary = max_val - max_val % desired_bin_size + desired_bin_size
n_bins = int((max_boundary - min_boundary) / desired_bin_size) + 1
bins = np.linspace(min_boundary, max_boundary, n_bins)
return bins
if __name__ == '__main__':
data = np.random.random_sample(100) * 123.34 - 67.23
bins = compute_histogram_bins(data, 10.0)
print(bins)
plt.hist(data, bins=bins)
plt.xlabel('Value')
plt.ylabel('Counts')
plt.title('Compute Bins Example')
plt.grid(True)
plt.show()结果以良好的间隔大小间隔包含了间隔。
[-70. -60. -50. -40. -30. -20. -10. 0. 10. 20. 30. 40. 50. 60.]
正是我想要的！但是，在某些情况下，由于浮点精度，n_bins被舍入。例如，对于
—
有用
desired_bin_size=0.05，min_boundary=0.850，max_boundary=2.05计算n_bins成为int(23.999999999999993)其结果在23而不是24，因此一个容器太少。整数转换前的取整对我n_bins = int(round((max_boundary - min_boundary) / desired_bin_size, 0)) + 1
我使用分位数来使容器均匀并适合于采样：
bins=df['Generosity'].quantile([0,.05,0.1,0.15,0.20,0.25,0.3,0.35,0.40,0.45,0.5,0.55,0.6,0.65,0.70,0.75,0.80,0.85,0.90,0.95,1]).to_list()
plt.hist(df['Generosity'], bins=bins, normed=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none')
好想法。您可以用
—
Tomasz Gandor
np.arange(0, 1.01, 0.5)或代替分位数列表np.linspace(0, 1, 21)。没有边缘，但是我知道盒子的面积相等，但X轴的宽度不同？
我遇到了与OP相同的问题（我认为！），但是我无法按照Lastalda指定的方式使其正常工作。我不知道我是否正确解释了这个问题，但是我找到了另一种解决方案（尽管这可能是一种非常糟糕的方法）。
我就是这样的：
plt.hist([1,11,21,31,41], bins=[0,10,20,30,40,50], weights=[10,1,40,33,6]);
这创建了这个：
因此，第一个参数基本上是“初始化”垃圾箱-我专门创建一个数字，该数字介于我在垃圾箱参数中设置的范围之间。
为了说明这一点，请查看第一个参数（[1,11,21,31,41]）中的数组和第二个参数（[0,10,20,30,40,50]中的'bins'数组：
- 数字1（从第一个数组开始）介于0到10之间（在“ bins”数组中）
- 数字11（来自第一个数组）介于11和20之间（在“ bins”数组中）
- 数字21（从第一个数组开始）介于21到30（在“ bins”数组中）之间，依此类推。
然后，我使用'weights'参数定义每个垃圾箱的大小。这是用于weights参数的数组：[10,1,40,33,6]。
因此0到10 bin的值是10，11到20 bin的值是1，21到30 bin的值是40，依此类推。
我认为您对直方图功能的工作原理有一个基本的误解。它期望原始数据。因此，在您的示例中，数据数组应包含0到10之间的10个值，10到20之间的1个值，依此类推。然后，该函数进行求和和绘图。上面的操作是一种解决方法，因为您已经有了总和（然后您可以通过滥用“权重”选项将其插入到图形中）。希望这能消除一些困惑。
—
CodingCat