数据集（仅用于测试）如下：
0.1 0.2 0.3 0.4 0.5 1.1 1.2 1.3 1.4 1.5 0.1 0.2 0.3 0.4 0.5
我想得到最小的0.1和最大1.5之间的频率计数与bin（步长）是0.1。我已经在Matlab、Octave、Origin和AWK脚本中进行了测试然而，我得到了完全不同的结果。
一Matlab软件
data = [0.1 0.2 0.3 0.4 0.5 1.1 1.2 1.3 1.4 1.5 0.1 0.2 0.3 0.4 0.5];
edge = 0.1:0.1:1.5;
count = histc(data, edge);
结果是：
count = [2 4 0 2 2 0 0 0 0 0 1 1 1 1 1]
2八度
data = [0.1 0.2 0.3 0.4 0.5 1.1 1.2 1.3 1.4 1.5 0.1 0.2 0.3 0.4 0.5];
edge = 0.1:0.1:1.5;
count = histc(data, edge);
结果是：
count = [2 2 2 2 2 0 0 0 0 0 1 2 0 1 1]
三。起源
使用“频率计数”命令，设置
min=0.1，max=1.5，step size=0.1.结果是：
count = [2 4 0 2 2 0 0 0 0 0 2 1 1 1]
四锥子
{...;count[data/0.1]++;} ...
结果是：
count = [2 4 0 2 2 0 0 0 0 0 2 0 2 0 1]
为什么我会得到这些不同的结果是我做错了什么，还是我误解了“频率计数”的概念我认为以上结果都不正确你能告诉我该怎么做吗？
最佳答案
一个快速的方法是把边缘移动
Matlab软件：
data = [0.1 0.2 0.3 0.4 0.5 1.1 1.2 1.3 1.4 1.5 0.1 0.2 0.3 0.4 0.5];
edge = 0.05:0.1:1.55;
count = histc(data, edge)
结果：
Columns 1 through 9
2 2 2 2 2 0 0 0 0
Columns 10 through 16
0 1 1 1 1 1 0
注：当长度（边）=长度（数据）+1时，在末端有一个假峰值。
然后，正如Paul R建议的那样，它归结为精度和舍入你必须进入每个频率计数函数，看看它是如何被每种语言解释的如果我是你，我会把所有的都乘以10，使它们整数。
data=int8(data.*10)
edge = 1:15;
count = histc(data, edge)
结果：
Columns 1 through 9
2 2 2 2 2 0 0 0 0
Columns 10 through 15
0 1 1 1 1 1
重要的是人类如何解释它，而不是机器如果你知道你乘以10^（你的精度）使它们变为整数，你就不在乎这台机器到底做了什么然后，如果数据中有不合理的数字，并且仍然看到错误，请检查浮点数的编码方式（http://en.wikipedia.org/wiki/Floating-point）
干杯。