HOWTO · Matplotlib

如何在 Matplotlib 直方图中手动设置 bin 的大小

要控制 Matplotlib 一维直方图中各分箱的宽度，可将数据和一组边界值传给 `plt.hist(..., bins=...)`。每对相邻边界定义一个区间，因此可据此创建等宽或宽度不同的分箱。

作者 Suraj Joshi发布于 2020-06-09更新于 2026-10-27

本页内容

要控制 Matplotlib 一维直方图中各分箱的宽度，可将数据和一组边界值传给 plt.hist(..., bins=...)。每对相邻边界定义一个区间，因此这组边界既可以生成等宽分箱，也可以生成宽度不同的分箱。hist2d() 用于二维直方图；本文示例使用 plt.hist()。

将分箱边界作为 `hist()` 函数的参数

如果想自行决定各区间的起点和终点，可以传入一组边界值。例如，[0, 10, 20, 30, 40, 50, 60, 80, 100] 会创建 8 个分箱：前 6 个宽度为 10，最后 2 个宽度为 20。分箱数比边界值的数量少 1。小于第一个边界或大于最后一个边界的值不会计入直方图，因此应选择能覆盖目标观测值的范围。

如果所有分箱都应具有相同宽度，可以用 np.arange 生成等间距边界。下面的示例针对相同的数据，对比手动指定的边界和等宽边界。np.arange(start, stop, step) 包含 start，但不包含 stop；因此，为了覆盖最大观测值，停止值必须大于该观测值。

import matplotlib.pyplot as plt
import numpy as np

values = np.array([3, 8, 12, 18, 24, 31, 37, 43, 52, 61, 74, 88, 96])
width = 10
explicit_edges = [0, 10, 20, 30, 40, 50, 60, 80, 100]
equal_edges = np.arange(0, 101, width)

fig, axes = plt.subplots(1, 2, figsize=(10, 4))
axes[0].hist(values, bins=explicit_edges)
axes[0].set_title("Chosen boundaries")
axes[1].hist(values, bins=equal_edges)
axes[1].set_title("Equal-width bins")
for axis in axes:
    axis.set_xlabel("Value")
    axis.set_ylabel("Count")
fig.tight_layout()
plt.show()

通过传入列表设置 Matplotlib 分箱大小

对于根据数据生成的等宽分箱，一种方便的停止值是 max(values) + width。由于 np.arange 不包含停止值，该值本身不会成为边界。使用这组数据时，停止值为 106，最后生成的边界为 100，仍能覆盖最大观测值 96。如果数据范围或宽度发生变化，应根据当前数据计算边界，而不要沿用固定列表。

通过传入列表生成 Matplotlib 等宽分箱

根据所需宽度计算分箱数量

如果程序运行时才能确定数据范围，可以根据观测值推导第一个和最后一个边界。此示例将第一个边界向下取整到所需宽度的整数倍，并将最后一个边界扩展到大于或等于最大值的整数倍。该方法要求数据集非空且为数值数据，并且宽度为正数。最外侧的分箱可能超出数据范围，但每对相邻边界之间的间距仍为所需宽度。

import matplotlib.pyplot as plt
import numpy as np

values = np.array([3, 8, 12, 18, 24, 31, 37, 43, 52, 61, 74, 88, 96])
width = 10.0
first_edge = np.floor(values.min() / width) * width
last_edge = np.ceil(values.max() / width) * width
edges = np.arange(first_edge, last_edge + width, width)

plt.hist(values, bins=edges)
plt.xlabel("Value")
plt.ylabel("Count")
plt.title(f"Histogram with bin width {width:g}")
plt.show()