Python：如何制作具有相同*大小*箱的直方图

我有一组数据，想制作它的直方图。我需要垃圾箱有相同的size，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）问题等距垃圾箱。 这自然会以箱宽度为代价，箱宽度通常会不同。

我将指定所需的 bin 数量和数据集，作为回报获取 bin 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 bin 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： - 如果一组数据相同，则包含它们的容器可能会更大。 - 如果有 N 个数据并请求 M 个 bin，如果 N%M 不为 0，则将有 N/M 个 bin 加一。

这段代码是我写的一些粗俗的代码，对于小数据集来说效果很好。如果我有 10**9+ 积分并且想要加快流程怎么办？

  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)

使用您的示例案例（2 个点的箱，总共 6 个数据点）：

from scipy import stats
bin_edges = stats.mstats.mquantiles(data, [0, 2./6, 4./6, 1])
>> array([1. , 1.24666667, 2.05333333, 2.12])