数组实现频率分布直方图的核心是分桶统计：先求极差R、用斯特杰斯公式定组数k、取整确定组距d，再初始化长度为k的零数组counts，遍历数据按idx=min(int((x−min_val)//d),k−1)计数，最终得各组频数。
用数组实现频率分布直方图，核心是把连续数据“分桶”——即按预设区间划分，再统计每桶内数据个数。不需要依赖高级绘图库，纯数组操作就能完成频次统计，再配合简单绘图即可可视化。
明确分组边界与组距
先确定数据范围：找出数组最小值 min_val 和最大值 max_val，计算极差 R = max_val − min_val。再决定组数 k（常用斯特杰斯公式 k = 1 + 3.3 log₁₀(n)，n 为样本量，结果四舍五入取整）。组距 d = R / k，建议调整为 5、10 等整数便于阅读。
- 例如数据为 [12, 18, 24, 31, 39, 45, 52, 58, 63, 71]，n=10 → k ≈ 1 + 3.3×1 = 4.3 → 取 k=4；R = 71−12 = 59 → d ≈ 14.75 → 调整为 15
- 则分组边界可设为：[12, 27), [27, 42), [42, 57), [57, 72]
用数组计数实现频次统计
初始化长度为 k 的零数组 counts = [0] * k。遍历原始数据，对每个值 x，用公式 idx = int((x − min_val) // d) 算出所属桶索引（注意右边界处理：若 x 等于最大边界，需归入最后一组）。
- Python 示例：
data = [12, 18, 24, 31, 39, 45, 52, 58, 63, 71] min_val, max_val = min(data), max(data) k = round(1 + 3.3 * log10(len(data))) d = ceil((max_val - min_val) / k) # 向上取整保证覆盖 counts = [0] * k <p>for x in data: idx = min(int((x - min_val) // d), k-1) # 防越界 counts[idx] += 1
- 结果如 counts = [3, 2, 2, 3]，对应四组频数
构造横轴标签与绘制基础直方图
用数组生成每组的区间标签（如 "12–27"），再用 matplotlib.bar 或甚至 print 打印字符柱状图。重点是让横轴刻度对齐组中点或左边界，纵轴为 counts 值。
- 简易文本输出示例：
for i, c in enumerate(counts): low = min_val + i * d high = min_val + (i+1) * d if i < len(counts)-1 else max_val + 1 print(f"[{int(low):<3d}, {int(high):<3d}): {'█' * c} ({c})") - Matplotlib 绘图只需：
bins = [min_val + i*d for i in range(k+1)] plt.hist(data, bins=bins, edgecolor='white', rwidth=0.9) plt.xlabel('Value Range') plt.ylabel('Frequency')
注意边界与异常值处理
原始数组可能含异常值（远超 min/max），直接按公式分桶会越界。稳妥做法是：预先过滤或扩展边界，比如将 min_val 设为 floor(min_val/10)*10，max_val 设为 ceil(max_val/10)*10，再重算 d 和 k。
- 也可在计数前加判断：if x = max_val: idx = k−1
- 频数总和必须等于原始数组长度，这是验证统计是否完整的硬指标
