我必须生成一个具有高斯分布的随机数列表（我能够做到这一点），然后将这些数字绘制在直方图中。我的问题是我应该在不使用 pylab （或任何其他包）中的内置直方图函数的情况下执行此操作，而我完全不知所措。我一直在网上寻找，我还没有找到任何可以解释我将如何解决这个问题的东西，你们中有人知道我能做什么吗？提前致谢。
【问题讨论】：
for bucket in buckets: print '*' * bucket。这将为您提供水平显示的条形图。
标签： python matplotlib histogram gaussian
计算直方图的一种快速方法是一次遍历列表中的一个元素，找出它应该在哪个 bin 中，然后计算每个 bin 中的条目数。
hist_vals = np.zeros(nbins)
for d in data:
bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
hist_vals[bin_number] += 1
请注意，这具有 O(len(data)) 和一个小的前置因子。
一个更聪明的写法是向量化散列函数：
bin_number = (nbins * ((data - min_val) / (max_val - min_val))).astype(np.int)
并使用切片魔法进行求和：
hist_vals[bin_number] += 1 # numpy slicing magic
如果你关心速度，你可以使用 numpy 函数，它本质上是这样做的，但将循环放在 c 级别：
bin_nums = np.digitize(data, bins) - 1
hist_vals = np.bincount(bin_nums)
【讨论】：
np.bincount(np.digitize(np.random.rand(1e8), np.linspace(0, 1, 100, endpoint=True), right=True) - 1) 需要
hist_vals = np.zeros(nbins)要不要改成hist_vals = np.zeros(nbins+1)！
这是一个基于 @tacaswell 的解决方案但不使用 numpy 的版本。
def histogram(data, nbins, min_val=None, max_val=None):
hist_vals = [0]*(nbins+1)
if min_val is None:
min_val = min(data)
if max_val is None:
max_val = max(data)
for d in data:
bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
hist_vals[bin_number] += 1
bin_lower_bounds = [min_val + i*(max_val - min_val)/len(hist_vals) for i in range(len(hist_vals))]
return hist_vals, bin_lower_bounds
【讨论】：
假设您有一个代表随机数的numpy 数组
rnd_numb=array([ 0.48942231, 0.48536864, 0.48614467, ..., 0.47264172,
0.48309697, 0.48439782])
要创建直方图，您只需对数据进行分箱。所以让我们创建一个定义分箱的数组
bin_array=linspace(0,1,100)
在这种情况下，我们将创建 100 个线性间隔的 bin，范围为 0 到 1
现在，为了创建直方图，您可以简单地做
my_histogram=[]
for i in range(len(bin_array)-1):
mask = (rnd_numb>=bin_array[i])&(rnd_numb<bin_array[i+1])
my_histogram.append(len(rnd_numb[mask]))
这将创建一个列表，其中包含每个 bin 中的计数。最后，如果你想可视化你的直方图，你可以这样做
plot ((bin_array[1:]+bin_array[:-1])/2.,my_histrogram)
您也可以试试step 或bar。
【讨论】：