### 使用 Python 的 Matplotlib 或 Seaborn 库绘制指定范围的直方图 #### 使用 Matplotlib 绘制指定区间的直方图 为了仅显示特定区间的数据，在调用 `hist` 函数之前可以通过布尔索引来筛选数据。下面的例子展示了如何只展示数值位于 `[lower_bound, upper_bound]` 范围内的分布情况。 ```python import numpy as np import matplotlib.pyplot as plt # 假设有一组随机数作为样本数据 data = np.random.randn(1000) # 设定想要观察的数据区间 lower_bound = -2 upper_bound = 2 # 过滤掉不在设定区间内的数据点 filtered_data = data[(data >= lower_bound) & (data <= upper_bound)] plt.figure(figsize=(8, 6)) plt.hist(filtered_data, bins=30, edgecolor='black') plt.title('Histogram of Data within Specified Range using Matplotlib') plt.xlabel('Value') plt.ylabel('Frequency') plt.xlim(lower_bound, upper_bound) # 设置x轴刻度范围，确保图表聚焦于所选区域 plt.grid(True) plt.show() ``` 这段代码先定义了一个上下限，接着通过数组切片的方式获取符合条件的数据子集并传给 `hist()` 方法[^1]。 #### 使用 Seaborn 绘制带有自定义边界的直方图 Seaborn 提供了一种更简洁的方式来处理统计数据可视化，并且能够轻松地调整样式。对于限定范围的需求，同样适用上述过滤逻辑： ```python import seaborn as sns sns.set_theme(style="whitegrid") # 同样基于前面准备好的 filtered_data 变量 ax = sns.histplot(data=filtered_data, stat="density", kde=True, element="step", fill=False, color="blue", alpha=.7, linewidth=2) ax.set_xlim([lower_bound, upper_bound]) # 控制横坐标显示范围 ax.set_title('Density Histogram with KDE Estimation\nwithin Specific Bounds Using Seaborn') ax.set_xlabel('Value') ax.set_ylabel('Density') plt.show() ``` 这里不仅设置了 x 轴的可见范围，还启用了核密度估计(KDE)，使得图形更加平滑美观[^4]。