我不知道你所说的“bin大小为5”是什么意思，你可以用specifying the bins with a sequence来绘制直方图：

import matplotlib.pyplot as plt
data = [0, 0, 1, 2, 3, 4, 5, 6, 35, 60, 61, 82, -5] # your data here
plt.hist(data, bins=[0, 0.5, 60, max(data)])
plt.show()

但是bin大小将匹配相应的区间，这意味着--在本例中--“0-case”将几乎不可见：

(Note当将bin指定为序列时，60移动到最后一个bin，将序列更改为[0, 0.5, 59.5, max(data)]将修复该问题）
您（可能）需要首先对数据进行分类，然后绘制类别条形图：

import matplotlib.pyplot as plt
import pandas as pd

data = [0, 0, 1, 2, 3, 4, 5, 6, 35, 60, 61, 82, -5] # your data here

df = pd.DataFrame()
df['data'] = data

def find_cat(x):
    if x == 0:
        return "0"
    elif x > 60:
        return "> 60"
    elif x > 0:
        return "> 0 and <= 60"

df['category'] = df['data'].apply(find_cat)
df.groupby('category', as_index=False).count().plot.bar(x='category', y='data', rot=0, width=0.8)
plt.show()

输出：

根据Tranbi的回答，您可以指定垃圾箱边缘，如他们共享的链接中所详细说明的那样。

import matplotlib.pyplot as plt
import pandas as pd
data = [0, 0, 1, 2, 3, 4, 5, 6, 35, 60, 61, 82, -6] # your data here
df = pd.DataFrame()
df['data'] = data

bin_edges = [-5, 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65]
bin_edges_offset = [x+0.000001 for x in bin_edges]

plt.figure()
plt.hist(df['data'], bins=bin_edges_offset)
plt.show()

histogram

IIUC您需要一个0（不包括）和60（包括）之间的值的经典直方图，并在侧面添加两个0和〉60的柱。
在这种情况下，我建议分别绘制3个区域：

import matplotlib.pyplot as plt

data = [0, 0, 1, 2, 3, 4, 5, 6, 35, 60, 61, 82, -3] # your data here

fig, axes = plt.subplots(1,3, sharey=True, width_ratios=[1, 12, 1])
fig.subplots_adjust(wspace=0)

# counting 0 values and drawing a bar between -5 and 0
axes[0].bar(-5, data.count(0), width=5, align='edge')   
axes[0].xaxis.set_visible(False)
axes[0].spines['right'].set_visible(False)
axes[0].set_xlim((-5, 0))

# histogram between (0, 60]
axes[1].hist(data, bins=12, range=(0.0001, 60.0001))
axes[1].yaxis.set_visible(False)
axes[1].spines['left'].set_visible(False)
axes[1].spines['right'].set_visible(False)
axes[1].set_xlim((0, 60))

# counting values > 60 and drawing a bar between 60 and 65
axes[2].bar(60, len([x for x in data if x > 60]), width=5, align='edge')
axes[2].xaxis.set_visible(False)
axes[2].yaxis.set_visible(False)
axes[2].spines['left'].set_visible(False)
axes[2].set_xlim((60, 65))

plt.show()

输出：

编辑：如果你想绘制概率密度图，我可以编辑数据并简单地使用hist：

import matplotlib.pyplot as plt

data = [0, 0, 1, 2, 3, 4, 5, 6, 35, 60, 61, 82, -3] # your data here

data2 = []
for el in data:
    if el < 0:
        pass
    elif el > 60:
        data2.append(61)
    else:
        data2.append(el)

plt.hist(data2, bins=14, density=True, range=(-4.99,65.01))
plt.show()