python histo 改变 bins 大小_Python：如何用同样大小的容器制作直方图

我有一组数据，想做一个直方图。我需要容器具有相同的大小，我的意思是它们必须包含相同数量的对象，而不是更常见的(numpy.histogram)具有等距容器的问题。

这将自然地在费用的箱子宽度，这可以-和一般将-是不同的。

我将指定所需的箱子数量和数据集，作为回报获取箱子边缘。Example:

data = numpy.array([1., 1.2, 1.3, 2.0, 2.1, 2.12])

bins_edges = somefunc(data, nbins=3)

print(bins_edges)

>> [1.,1.3,2.1,2.12]

因此，这些箱子都包含2个点，但它们的宽度(0.3、0.8、0.02)不同。

有两个限制：

-如果一组数据是相同的，那么包含它们的bin可能会更大。

-如果有N个数据和M个存储箱被请求，则如果N%M不是0，则会有N/M个存储箱加上1个。

这段代码是我编写的一些基本代码，它对小数据集非常有用。如果我有10**9+点，想加快进程怎么办？1 import numpy as np

2

3 def def_equbin(in_distr, binsize=None, bin_num=None):

4

5 try:

6

7 distr_size = len(in_distr)

8

9 bin_size = distr_size / bin_num

10 odd_bin_size = distr_size % bin_num

11

12 args = in_distr.argsort()

13

14 hist = np.zeros((bin_num, bin_size))

15

16 for i in range(bin_num):

17 hist[i, :] = in_distr[args[i * bin_size: (i + 1) * bin_size]]

18

19 if odd_bin_size == 0:

20 odd_bin = None

21 bins_limits = np.arange(bin_num) * bin_size

22 bins_limits = args[bins_limits]

23 bins_limits = np.concatenate((in_distr[bins_limits],

24 [in_distr[args[-1]]]))

25 else:

26 odd_bin = in_distr[args[bin_num * bin_size:]]

27 bins_limits = np.arange(bin_num + 1) * bin_size

28 bins_limits = args[bins_limits]

29 bins_limits = in_distr[bins_limits]

30 bins_limits = np.concatenate((bins_limits, [in_distr[args[-1]]]))

31

32 return (hist, odd_bin, bins_limits)