Python用histogram统计NumPy数组直方图

Python中用`np.histogram`统计NumPy数组频数时，极易因默认`density=True`返回频数密度而非真实计数、右开区间导致最大值被丢弃、`bins`参数类型混淆（整数vs边界数组）、以及未适配数据类型（如整数数组误用直方图而非更高效精准的`np.bincount`）而得出错误结果；掌握`density=False`、严格递增边界、显式处理边界临界值及合理选用`np.bincount`等关键细节，才能准确、高效、安全地完成频率统计。

用 np.histogram 统计数组频率，结果不是“频数”而是“频数密度”

默认情况下，np.histogram 返回的不是每个 bin 的原始计数，而是“频数密度”（即频数除以 bin 宽度），所以直接看 counts 数组容易误判数量。比如 bin 宽度为 2，某 bin 计数为 4，返回值却是 2.0。

• 要得到真实频数，必须传 density=False（这是最常漏掉的参数）
• density=True 仅在需要概率密度估计时才用，日常统计频率几乎不用
• 不指定 bins 时，默认是 10 个等宽 bin，但边界由 min/max 自动推导，可能切得不合预期

手动指定 bins 时，别混淆“分界点”和“bin 数量”

bins 参数既可以是整数（表示 bin 个数），也可以是数组（表示 bin 边界）。传错类型会导致结果完全不对，且无报错提示。

• 传 bins=5 → 均匀切 5 段，边界自动算
• 传 bins=[0, 2, 4, 6] → 实际生成 3 个 bin：[0,2)、[2,4)、[4,6)（右开区间）
• 如果数组里有重复值（如 [0,2,2,4]），np.histogram 会静默忽略中间重复边界，不报错但 bin 数变少
• 边界数组必须严格递增，否则抛 ValueError: bins must increase monotonically

处理整数数组时，用 np.bincount 更快更准

当数据是**非负小整数**（比如像素值、类别 ID、索引号），np.bincount 比 np.histogram 更合适：它直接按值做桶计数，无精度损失、无区间切分误差、速度通常快 3–5 倍。

• np.bincount(arr) 返回长度为 arr.max() + 1 的数组，索引即原始值，值即频数
• 若 arr 含负数或浮点数，会报 ValueError: array cannot contain negative values 或静默截断小数部分（危险！）
• 支持 weights 参数加权计数，但不支持自定义 bin 范围
• 示例：np.bincount(np.array([0,1,1,3])) → array([1, 2, 0, 1])

输出的 bin_edges 是左闭右开，最大值可能被丢弃

np.histogram 默认使用左闭右开区间（[left, right)），这意味着最大值如果恰好等于最右边界，它不会被计入任何 bin —— 这是很多直方图“少一个数”的根源。

• 例如 arr = [1,2,3,4]，bins=4 时，bin_edges 可能是 [1., 1.75, 2.5, 3.25, 4.]，而 4.0 落在 [3.25, 4.0) 外，被丢弃
• 安全做法：显式扩展右边界，比如 bins=np.arange(min_val, max_val + step, step)
• 或改用 right=False（NumPy 1.24+），让区间变为 (left, right]，但要注意兼容性

今天关于《Python用histogram统计NumPy数组直方图》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！