Python怎么画直方图_hist()频数分布与bins区间数量调整

画直方图的时候，最让人头疼的往往是柱子数量——要么糊成一团黑块，根本看不出分布；要么碎成细线，信息全被噪音淹没。问题本质出在 bins 参数上。默认值（比如 10 或 'auto'）只适合简单数据，实际场景里几乎都得手动调。

怎么调？两种方式最常用：一个是直接给整数，比如 bins=20，强制分 20 组；另一个是传数组，比如 np.arange(0, 101, 5)，明确指定每个区间的边界。Matplotlib 也支持 'fd'、'scott'、'sturges' 这类字符串自动计算，但千万别无脑信——尤其是数据有大量重复值或长尾的时候，'sturges 经常严重低估 bins 数量，直接导致柱子太少。数据量小的（比如几百个），bins=10 可能还嫌密；数据量大的（超过一万），bins=50 可能都不够，得试到柱子边缘清晰、不锯齿也不重叠才算到位。

plt.hist() 画出来的直方图柱子太少或太多，怎么调 bins

这个问题的根源其实就是 bins 设置不合理。很多新手一上来就 plt.hist(data)，结果要么柱子太宽丢失细节，要么太窄全是锯齿。记住：bins 可以是整数（比如 20），表示强制分 20 组；也可以是数组（比如 np.arange(0, 101, 5)），明确指定每个区间的边界。用 'fd'、'scott'、'sturges' 这类字符串也行，但别盲目依赖自动算法——尤其当数据有大量重复值或长尾时，'sturges' 常常低估 bins 数量。数据量小（<1000），bins=10 可能过密；数据量大（>10000），bins=50 可能还不够，得试到柱子边缘清晰、不锯齿也不重叠为止。

想看频数（count）还是概率密度（density），关键看 density 参数

很多人调完 bins 发现纵轴数字看不懂：明明总共 1000 个数，最高柱子却标着 0.03？这大概率是误开了 density=True。做探索性分析、想看看“有多少个”的时候，用默认的频数模式（density=False）就够了；只有当你需要和概率密度曲线（比如正态分布 PDF）做对比，或者做拟合分布可视化时，才该设 density=True。

• density=False（默认）：纵轴是落入该 bin 的样本个数，所有柱子面积之和 = 总样本数。
• density=True：纵轴变成概率密度，所有柱子面积之和 = 1，此时高度 = 频数 / (总样本数 × bin 宽度)。
• 注意：一旦设了 density=True，就不能直接和原始频数曲线叠在一起画，否则尺度错乱。

横坐标范围不对、bin 边界不齐整，检查 range 和 bins 类型配合

比如数据是 [1.2, 1.8, 2.1, ..., 9.7]，但直方图从 0 开始、到 10 结束，且 bin 边界是 0.0, 1.0, 2.0...——这种“人为对齐”会让第一组/最后一组空着，或者把本该在一个 bin 的值劈开。常见现象：左右留白过大、某些 bin 明明有数据却显示为 0、柱子宽度不一致（尤其用了非等距 bins 数组时）。

• 用 range=(min_val, max_val) 可以限定横轴范围，但不会改变 bin 划分逻辑；真正控制划分的是 bins。
• 想要 bin 边界整齐（比如都落在整数上），推荐显式传入 bins=np.arange(start, stop+step, step)，而不是只靠 range + 整数 bins。
• 如果数据含异常值（比如一个 1000 混在一堆 1~10 的数里），先 data = data[data < 100] 截断，再画图，否则 range 被拉长，bins 全部被稀释。

和 pandas hist() 混用时，bins 行为不一致容易踩坑

Pandas 的 Series.hist() 底层调用的就是 matplotlib.pyplot.hist()，但参数透传过程中有隐式转换——最典型的是 bins 为字符串时（如 'auto'），pandas 会先调 np.histogram_bin_edges() 算一次，再喂给 matplotlib，结果可能和你直接调 plt.hist(..., bins='auto') 不一样。快速探索用 df['col'].hist() 没问题；但需要复现、调试或和模型输出对齐时，务必切回原生 plt.hist() 并显式传参。

• Pandas 的 hist() 不支持 density 参数，要用 weights 手动换算（比如 weights=np.ones(len(data))/len(data)）模拟 density 效果。
• 同一份数据，plt.hist(data, bins=20) 和 pd.Series(data).hist(bins=20) 柱子位置和高度几乎一样；但换成 bins='sturges' 就可能差 2–3 个 bin。
• 如果你在 Jupyter 里先跑 df.hist() 再跑 plt.hist()，记得加 plt.figure() 新建画布，否则两张图叠在一起，bins 设置互相干扰。

事情说清了就结束。真正难的不是调出一张“看起来对”的直方图，而是每次换数据都要重新判断：这组数据有没有离群点？要不要截断？bin 宽度该不该随数据范围缩放？这些没法写成固定参数，只能看图说话。