Go Gonum stat 怎样按给定边界生成直方图计数

Go Gonum 的 stat.Histogram(nil, dividers, x, nil) 可以按给定边界生成直方图计数。先让边界与样本都按升序排列，并保证所有样本处于从首边界开始、到末边界之前的范围；每个区间采用左闭右开规则，返回长度为边界数减一的 []float64。

官方地址：https://www.gonum.org/

确定固定边界适合的统计问题

做耗时区间报表时，我更倾向于先固定区间含义，再选择统计函数：不同日期都使用相同边界，读者才方便比较。这个判断适合已有业务分档的场景，并不表示所有数据分析都应该使用固定分箱，也不说明这种做法有新的流行趋势。

Histogram 只汇总区间中的样本数或权重，不负责自动选箱、画图或解释数据分布。报表维护者和数据处理开发者可以共用一份边界定义；若两端各自自动推导边界，即使计数正确，图表也可能无法直接对照。

准备边界与有序样本

将边界保存在 dividers 中，例如 0、10、20、40 对应 [0,10)、[10,20)、[20,40)。样本 x 必须有序。内部边界上的值进入右侧区间，末边界本身不属于最后一个区间，因此值为 40 的样本不能放入这个配置。

输入范围错误时，该函数不会默默丢弃样本，当前实现会 panic。对于业务入口，我会先做明确的范围处理：要么拒绝，要么由上层将越界值单独归档并公开记录数量。不要先悄悄过滤，再把剩余计数称为全部样本分布。

nil 权重代表每个样本贡献一；非 nil 权重必须与样本数量相同。count 可为 nil，或长度恰好为 len(dividers)-1。上述约定可参考Histogram 官方文档。

封装普通计数并解释端点

下面用 Counts 封装无权重计数：复制样本以免排序改变调用方数据，拒绝 NaN、无穷值、越界值与重复边界，再调用 Histogram。严格递增是这个封装额外采用的业务约定，避免出现没有宽度的区间。

package main

import (
    "fmt"
    "math"
    "sort"

    "gonum.org/v1/gonum/stat"
)

// Counts 统计有限样本，不修改调用方切片；边界采用严格递增约定。
func Counts(raw, edges []float64) ([]float64, error) {
    if len(edges)  0 && v = edges[len(edges)-1] {
            return nil, fmt.Errorf("样本超出有效区间")
        }
    }
    sort.Float64s(x)
    return stat.Histogram(nil, edges, x, nil), nil
}

func main() {
    // 四个边界形成三个区间，nil 权重表示每个样本贡献一。
    edges := []float64{0, 10, 20, 40}
    raw := []float64{27, 10, 2, 20, 9, 10, 39}
    counts, err := Counts(raw, edges)
    if err != nil {
        panic(err) // 演示入口保留输入错误，不输出误导性的计数。
    }
    fmt.Println(counts)
}

按照区间规则手工推导，[0,10) 中是 2、9，共两个；[10,20) 中有两个 10，共两个；[20,40) 中是 20、27、39，共三个，因此计数应为 2、2、3。这是按规则推算的预期值，本文没有把程序执行结果或终端截图作为依据。

如果业务必须覆盖当前最大值，应在设计边界时给它留出合法上界。不要机械地对所有浮点数据加一：数据尺度与测量精度可能不同。应先确定业务区间定义，再让数据范围与定义一致。

保持权重与样本配对

带权重时，输出的是每个区间的权重和。比如样本 2、9、10、10、20、27、39 分别配权重 1、2、1、3、2、1、4，三个区间手工可算得 3、4、7。非整数权重也会产生非整数结果，因此返回类型是 []float64。

真正容易出错的是排序：如果原始 x 尚未排序，不能只 sort.Float64s(x) 而让 weights 原地不动。这样值和权重会错配。应将每个样本与其权重组成配对对象，按样本值排序，再同步拆出 x 和 weights，或者使用能同时重排两者的工具。

若想把权重解释为概率或频次，我会在业务层要求它们有限且非负，并检查总权重大于零。Histogram 的求和接口本身不能代替这些统计意义上的约束。

选择归一化和复用方式

Histogram 返回原始区间计数或权重和。无权重时，区间概率质量可由 count[j] 除以样本总数取得；概率密度还要再除以区间宽度 dividers[j+1]-dividers[j]。本例最后一个区间宽度是前两个的两倍，不能将柱高直接当作密度比较。

对于有效、全部在范围内的无权重样本，计数总和应等于样本数；非负带权重数据则应等于总权重，浮点计算采用适当容差。空数据或零总权重不应继续做除法。这些观察指标能帮助解释报表含义，不构成性能测量。

复用 count 会累加吗？不会。当前实现先清零 count，再统计本次数据。复用是重用切片空间；若要合并多个批次，应另有累计数组，按相同边界逐项求和。实现见Gonum stat 源码。

最后一个区间包含右端点吗？不包含。所有区间都遵循左闭右开，最大样本必须小于末边界。

必须用等宽边界吗？不必，Histogram 接受给定的有序边界。只是在做密度或视觉比较时，需要明确各区间宽度。

适合持续输入的在线累计吗？它适合对已整理的有序样本进行一次分箱汇总。持续输入需要自行管理批次、排序成本、累计状态与边界一致性，不能把重复调用自动理解为累加。