一、matplotlib 自带函数实现

matplotlib有一个简单的函数 plt.hist(a, bins=num_bins)，可以直接绘制直方图，如下

#!/usr/bin/env python
# coding=utf-8

import matplotlib.pyplot as plt
import numpy as np
"""
绘制直方图
data:必选参数，绘图数据
bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor:长条形的颜色
edgecolor:长条形边框的颜色
alpha:透明度
"""
# 随机生成（10000,）服从正态分布的数据
data = np.random.randn(10000)
plt.figure(1)
plt.hist(data, bins=40, normed=0, facecolor="blue", edgecolor="black", alpha=0.7)
# 显示横轴标签
plt.xlabel("x")
# 显示纵轴标签
plt.ylabel("frequency")
plt.show()

二、numpy 实现

题主遇到一种情况，就是当不方便获得原始数据data的时候，比如数据在开发机上等，只能用剪切板复制少量的数据的时候，那么可以用np.histogram把中间数据保存，而后再用matplotlib绘图

#!/usr/bin/env python
# coding=utf-8

import numpy as np
import matplotlib.pyplot as plt

a = np.array([100,200,300, 400, 500, 600, 700, 800, 900, 1000])

num_bins = 3  # 柱子的数量
hist, bin_edges = np.histogram(a, bins=num_bins)
print("hist: ", hist)  # 每个柱子高度 [3, 3, 4]
print("bin_edges: ", bin_edges)  # 柱子的边界坐标 [100, 400, 700, 1000]，则3个柱子为 [100, 400),[400, 700),[700, 1000)

plt.figure(1)
# 自带的hist函数
plt.subplot(1, 2, 1)
plt.hist(a, bins=num_bins)

# 利用 hist和bins手动绘图
plt.subplot(1, 2, 2)
x = [(bin_edges[i]+bin_edges[i+1])/2 for i in range(len(bin_edges)-1)]  # 每个柱子的中心坐标
print("x: ", x)
#[250, (400+700)/2, (700+1000)/2]
y = hist  # 每个柱子的高度
plt.bar(x, y, width=bin_edges[1]-bin_edges[0])  # width表示每个柱子的宽度
plt.show()