能分清直方图和柱状图，你就是图表届的“头号”玩家｜图表家族#36

最新推荐文章于 2024-03-17 17:16:10 发布

gb4215287

最新推荐文章于 2024-03-17 17:16:10 发布

阅读量1.2w

点赞数 13

分类专栏： python

原文链接：http://dy.163.com/v2/article/detail/DG3OF9N605118F5T.html

版权

python 专栏收录该内容

246 篇文章 5 订阅

订阅专栏

镝摘

　　虽然直方图是柱状图的一种（毕竟乍眼看都是很多柱子的样子），但是其实它俩一个喜欢数多少，一个喜欢比大小。

　　直方图展示数据分布

　　猜猜看哪个是直方图？

　　直方图（Histogram）是一种可视化在连续间隔，或者是特定时间段内数据分布情况的图表，经常被用在统计学领域。简单来说，直方图描述的是一组数据的频次分布，例如把年龄分成“0-5,5-10，……，80-85”17个组，统计一下中国人口年龄的分布情况。直方图有助于我们知道数据的分布情况，诸如众数、中位数的大致位置、数据是否存在缺口或者异常值。

　　（注：众数是指一组数据中出现次数最多的数据值，众数可能是一个数，但也可能是多个数。中位数是指可将数值集合划分为相等的上下两部分的数。）

　　根据数据分布状况不同，直方图展示的数据有不同的模式，包括对称单峰、偏左单峰、偏右单峰、双峰、多峰以及对称多峰。

　　直方图的数据模式

　　来源：Wikipedia

　　直方图的百年历史

　　一般认为，直方图最早是由数理统计学家Karl Pearson引入的，1891年他在文章“Contributions to the Mathematical Theory of Evolution II: Skew Variation in Homogeneous Material”中，运用直方图展示了均质材料中的偏差。

　　Karl Pearson

　　Contributions to the Mathematical Theory of Evolution II:

　　Skew Variation in Homogeneous Material

　　Karl Pearson

　　随后，他也统计了欧洲250位君主的在位长度，以每3年为一个区间，发现在位时间在9-12年的君主数量最多（众数）。除此之外，我们也能看到没有人的在位时间是在51-54年，整体来说，在位时间长的君主很少。

　　图片来源：Statistical Approaches to Length of Reign

　　直方、柱状大不同

　　直方图和柱状图最让人迷惑的地方，就是它们长得非常相似。实际上，直方图和柱状图无论是在图表意义、适用数据上，还是图表绘制上，都有很大的不同。

　　1.直方图展示数据的分布，柱状图比较数据的大小。

　　这是直方图与柱状图最根本的区别。举个例子，有10个苹果，每个苹果重量不同。如果使用直方图，就展示了重量在0-10g的苹果有多少个，10-20g的苹果有多少个；如果使用柱状图，则展示每个苹果的具体重量。

　　所以直方图展示的是一组数据中，在你划分的区间里，这些数据的分布情况，但是我们不知道在一个区间里，单个数据的具体大小。下图展现了游客在博物馆的游览时间，其中，将近40％的游客仅逗留了0-10分钟。但是我们无法知道这些游客中，每个人具体的游览时间是多少。

　　图片来源：A Histogram is NOT a Bar Chart

　　而在柱状图里，我们能看到的是每个数据的大小，并且进行比较。下图就比较了在12次展览中，参观者参观时间的中位数，我们能够知道参观的具体用时。

　　图片来源：A Histogram is NOT a Bar Chart

　　2.直方图X轴为定量数据，柱状图X轴为分类数据。

　　由图表的原理就决定了，X轴在直方图与柱状图中的用法是不一样的。在直方图中，X轴上的变量是一个个连续的区间，这些区间通常表现为数字，例如代表苹果重量的“0-10g，10-20g……”，代表时间长度的“0-10min，10-20min……”。而在柱状图中，X轴上的变量是一个个分类数据，例如不同的国家名称、不同的游戏类型。