不能对直方图进行重新分组。如果您在直方图中填充数据，您会丢失信息（实际上这通常是您需要直方图的原因）。除非你仍然有原始数据，否则没有办法得到一个不同分箱的直方图。
如果你有原始数据，你当然可以用它制作一个新的直方图。

编辑您可以合并bin。因此，只要您的新bin可以通过合并bin（例如，将bin大小加倍），您可以仅将每个贡献bin的wheights添加到合并bin。
编辑要将bin大小加倍，例如您可以使用

n = 2 # merge 2 bins
bins, weights = old_hist[:,0], old_hist[:,1]
bins = bins.reshape((-1,n))[:,0]
weights = np.sum(weights.reshape((-1,n)), axis=1)
new_hist = np.column_stack((bins,weights))

字符串

最后，我用这个。不过，恐怕效率不高：

data=array([[1.00000000e+00, 9.76765797e-02],
   [2.00000000e+00, 3.26260189e-02],
   [3.00000000e+00, 2.27720518e-03],
   [4.00000000e+00, 1.61188858e-01],
   [5.00000000e+00, 1.23496687e-01],
   [6.00000000e+00, 2.04377586e-01],
   [7.00000000e+00, 7.47678209e-02],
   [8.00000000e+00, 4.67140951e-02],
   [9.00000000e+00, 1.31659099e-01],
   [1.00000000e+01, 1.25216050e-01]])

bin_size=2.

x=data[:,0]
y=data[:,1]     
nbins=max(x)/bin_size
x_merge=asarray([max(a) for a in array_split(x,nbins)])
y_merge=asarray([sum(a) for a in array_split(y,nbins)])
out_array=column_stack((x_merge,y_merge))

字符串
仍然对更高效/紧凑的方法感兴趣。

我发现使用矢量数学通常是一种更有效的组合箱子的方法。这可以通过使用the indexing features of ndarrays in numpy来实现。下面是上面使用striding（start：stop：step）的例子。

import numpy as np
ar1 = np. array([[1.00000000e+00, 9.76765797e-02],
                 [2.00000000e+00, 3.26260189e-02],
                 [3.00000000e+00, 2.27720518e-03],
                 [4.00000000e+00, 1.61188858e-01],
                 [5.00000000e+00, 1.23496687e-01],
                 [6.00000000e+00, 2.04377586e-01],
                 [7.00000000e+00, 7.47678209e-02],
                 [8.00000000e+00, 4.67140951e-02],
                 [9.00000000e+00, 1.31659099e-01],
                 [1.00000000e+01, 1.25216050e-01]])
bin_size = 2
weights = ar1[::bin_size,1] + ar1[1::bin_size,1]
bins = (ar1[::bin_size,0] + ar1[1::bin_size,0])/bin_size
new_ar = np.column_stack((bins, weights))

字符串