的输出
np.histogram实际上有10个bin；最后一个（最右边的）箱包含最大元素，因为它的右边缘是包容性的（与其他箱不同）。
该
np.digitize方法不会产生此类异常（因为其用途有所不同），因此列表中最大的元素将放入一个额外的容器中。要获得与一致的仓位分配
histogram，只需使用来将输出
digitize限制为仓位数量
fmin。
A = range(1,94)bin_count = 10hist = np.histogram(A, bins=bin_count)np.fmin(np.digitize(A, hist[1]), bin_count)
输出：
array([ 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10])
