这个解决方案比@user2699的要复杂一些，我只是为了完整起见才提出它，您可以完全控制hist返回的patch对象，所以如果您可以确保使用的阈值正好位于bin边缘，可以很容易地更改所选面片的颜色。您可以这样做，因为hist可以接受一系列面元边缘作为bins参数。

import numpy as np
from matplotlib import pyplot as plt 

# Make sample data
finalutilityrange = np.random.randn(100)
discreetlevel = 10
deter = 0.2

# Manually create `discreetlevel` bins anchored to  `deter`
binsAbove = round(discreetlevel * np.count_nonzero(finalutilityrange > deter) / finalutilityrange.size)
binsBelow = discreetlevel - binsAbove
binwidth = max((finalutilityrange.max() - deter) / binsAbove,
               (deter - finalutilityrange.min()) / binsBelow)
bins = np.concatenate([
           np.arange(deter - binsBelow * binwidth, deter, binwidth),
           np.arange(deter, deter + (binsAbove + 0.5) * binwidth, binwidth)
])

# Use the bins to make a single histogram
h, bins, patches = plt.hist(finalutilityrange, bins, color='b')

# Change the appropriate patches to red
plt.setp([p for p, b in zip(patches, bins) if b >= deter], color='r')

结果是具有不同颜色的柱的同质直方图：

与未锚到deter时相比，bin可能会稍宽一些。第一个或最后一个bin通常会稍微超出数据的边缘。

这个答案不能解决你的代码，因为它不是自包含的，但是对于你尝试做的事情，默认的直方图应该可以工作（假设numpy/pyplot被加载）

x = randn(100)
idx = x < 0.2 # Threshold to separate values
hist([x[idx], x[~idx]], color=['b', 'r'])

说明：
1.第一行只生成一些随机数据进行测试，
1.为数据低于某个阈值的位置创建索引，可以使用~求反来查找数据高于阈值的位置
1.最后一行绘制直方图。该命令需要绘制单独组的列表，这在这里没有太大区别，但如果是normed=True，它将
hist图还可以做更多的事情，所以在您自己意外实现它之前，请仔细阅读文档。

正如上面所做的那样：

x = np.random.randn(100)
threshold_x = 0.2 # Threshold to separate values

x_lower, x_upper = (
    [_ for _ in x if _ < threshold_x], 
    [_ for _ in x if _ >= threshold_x]
)

hist([x_lower, x_upper], color=['b', 'r'])