因为数据已经部分聚合，所以不能直接使用hist()方法。就像@snorthway在评论中说的，你可以用条形图来做到这一点。你只需要先把你的数据放在桶里。我最喜欢的将数据放入bucket的方法是使用pandas cut()方法。
让我们设置一些示例数据，因为您没有提供一些易于使用的数据：

np.random.seed(1)
n = 1000
df = pd.DataFrame({'Price' : np.random.normal(5,2,size=n),
                   'Units' : np.random.randint(100, size=n)})

字符串
让我们把价格放进10个均匀间隔的桶里：

df['bucket'] = pd.cut(df.Price, 10)
print df.head()

      Price  Units           bucket
0  8.248691     98    (7.307, 8.71]
1  3.776487      8  (3.0999, 4.502]
2  3.943656     89  (3.0999, 4.502]
3  2.854063     27  (1.697, 3.0999]
4  6.730815     29   (5.905, 7.307]

型
现在我们有了一个包含存储桶范围的字段。如果你想给这些桶取其他名字，你可以在优秀的Pandas documentation中阅读。现在我们可以使用Pandas的groupby()方法和sum()来将单位相加：

newdf = df[['bucket','Units']].groupby('bucket').sum()
print newdf
                  Units
bucket                 
(-1.122, 0.295]     492
(0.295, 1.697]     1663
(1.697, 3.0999]    5003
(3.0999, 4.502]   11084
(4.502, 5.905]    15144
(5.905, 7.307]    11053
(7.307, 8.71]      4424
(8.71, 10.112]     1008
(10.112, 11.515]     77
(11.515, 12.917]    122

型
看起来像个赢家…现在让我们绘制它：

newdf.plot(kind='bar')

型
x1c 0d1x的数据

您可以将索引设置为一列，然后像这样hist绘制该列：

df["idx"] = df.index
df["idx"].hist()

字符串