在数据可视化领域，直方图(Histograms)和柱状图(bar)可能在外观上看起来相似，但它们在本质上却有着巨大的差异。直方图是一种展示数据分布的图形，通常用来显示连续变量的频率分布情况，而柱状图则更适合展示不同类别之间的比较。在本文中，我们将着重探讨直方图的重要性以及如何利用直方图来获得深入的数据洞察。

什么是直方图(Histograms)

直方图是数据集分布的图形化表示。它提供了一种连续或离散数据集的频率分布的视觉摘要。在统计学和数据分析中，人们通常使用直方图来理解数据集的模式和特征。

直方图的组成部分：

直方图的类型

1. 对称分布：在正态分布中，数据均匀地分布在均值周围形成钟形曲线。直方图在中间有一个峰值。数据点在平均值的两侧具有相等的可能性。
2. 右偏斜分布：也称为正偏斜，右侧有一个长尾。大多数数据点集中在左侧，尾部延伸至较高的值。右偏斜直方图表明数据集在较高端具有离群值或极端值。
3. 左偏斜分布：相反，左偏斜分布或负偏斜在左侧有一个长尾。大多数数据点集中在右侧，尾部延伸至较低的值。左偏斜直方图表明数据集在分布的较低端具有离群值或极端值。
4. 均匀分布：数据集中的所有值或区间具有类似的频率。也称为矩形分布。在直方图中，这表现为所有区间上的平坦、恒定水平，表明没有明显的聚集或偏斜。
5. 正态单峰分布：正态单峰分布是对称分布的一个子集。在这种情况下，一个单峰中心化数据，形成一个经典的钟形曲线。这种类型的分布在自然现象中很常见，并且经常被用作统计分析的参考。
6. 对称双峰分布：这种分布有两个相似高度的峰值，表示数据中存在两种模式或模式。这表明数据可能来自两个不同的过程或群体。
7. 非对称双峰分布：具有不同高度的两个峰值，与对称双峰分布不同，揭示了数据在两种模式之间的分布不均匀，暴露了数据集的复杂性。

直方图在数据分析中的作用

直方图通过将数据点显示在间隔或区间中，帮助分析人员理解数据分布、形状和集中趋势。它们的好处包括检测异常、识别偏斜和峰度、评估数据质量以及允许轻松比较数据集。

以下是直方图在数据分析中的一些重要特点：

1. 数据分布可视化：直方图显示了预定义间隔或区间内的数据点的频率或计数。
2. 数据质量评估：直方图有助于通过揭示模式和不规则性来评估数据的质量。
3. 集中趋势和离散度：直方图显示了数据的集中趋势（均值、中位数、众数）和离散度。观察直方图的宽度和形状可以评估数据的扩展或离散度。
4. 比较：直方图方便了不同数据集或不同时期之间的比较。这有助于理解数据随时间的变化和波动。
5. 识别离群值：在直方图中，很容易识别离群值，即与大多数数据显著不同的数据点。
6. 数据预处理：在应用统计技术之前，分析人员经常使用直方图来了解数据的特征，并决定适当的数据预处理步骤。
7. 偏斜和峰度：直方图允许对分布的偏斜（不对称性）和峰度（尾重）进行视觉评估。正偏斜表示具有更长右尾的分布，而负偏斜表示具有更长左尾的分布。

直方图的好处

直方图是数据分布的强大图形表示，为了解数据集的基本模式和特征提供了宝贵的见解。当您想知道数值在一个组中出现的频率和位置时，它们非常有帮助。

以下是一些有效利用直方图示例的情景：

1. 视觉清晰度：直方图提供了数据分布的清晰简明的视觉表示。这种格式帮助分析人员和决策者快速而轻松地理解复杂的数据模式。
2. 简单沟通：在向不同的受众传达研究发现时，直方图作为简化复杂数据的有效工具。直方图的视觉吸引力有助于传达关键见解，而无需深入的统计知识。
3. 模式识别：直方图的视觉特性有助于识别数据中的模式和趋势。分析人员可以识别高点、低点或不平衡，从而帮助识别数据分布中的模式和差异。

直方图的挑战

直方图在仪表板中的多样化应用

直方图在理解数值频率和分布对于决策至关重要的场景中表现出色。无论是市场趋势的微妙之处，分析客户行为，还是探索科学数据，直方图通过提供更好的视角取得了奇效。

• 数据分布：直方图在展示数据集分布时表现出色。设计专用于展示数据模式和频率在不同范围内的仪表板。
• 性能分析仪表板：对于专注于跟踪性能指标的企业，直方图提供了对性能变化的细致理解。
• 财务仪表板：在财务领域，直方图对于显示金融分布（如交易金额、投资回报率和风险评估等）至关重要。
• 客户参与：营销和以客户为中心的企业可以使用直方图来展示客户行为、购买频率或参与水平。
• 医疗保健指标：在医疗保健领域，直方图可以有效地表示患者人口统计、医疗检测结果或治疗结果等。
• 供应链分析：对于供应链管理，直方图非常适合展示交货时间、库存水平或生产产出的变化。
• 社交媒体：社交媒体经理和分析师在分析用户参与度指标、帖子覆盖率或受众人口统计数据时可以受益于直方图。
• 人力资源指标：人力资源专业人士可以利用直方图来可视化员工绩效评分、培训完成率或招聘周期等指标。

如何在Python中绘制直方图？

matplotlib绘制直方图

import numpy as np
import matplotlib.pyplot as plt
#generate dummy data
vals = np.random.normal(225, 15, 500)
#plot
fig = plt.figure(figsize = (8, 8))
plt.hist(vals)
plt.title('Histogram')
plt.show()

Seaborn绘制直方图

import seaborn as sns
import matplotlib.pyplot as plt
#generate dummy data
vals = np.random.normal(225, 15, 500)
#plot
fig = plt.figure(figsize = (8, 8))
sns.set(style="darkgrid")
sns.histplot(data=vals, kde=True)
plt.show()

Plotly绘制直方图

import plotly.express as px
#generate dummy data
vals = np.random.normal(225, 15, 500)
#plot
fig = px.histogram(x=vals)
fig.show()

SmartNotebook中无代码绘制直方图

直方图用于展示数据分布的频率情况，而柱状图更适合比较不同类别之间的关系。直方图的重要性在于帮助理解数据集的模式和特征，通过可视化数据点的频率和分布。在Python中，您可以使用Matplotlib、Seaborn或Plotly等库绘制直方图。直方图在统计学和数据分析中起着重要作用，因为它们提供了数据集细节的见解，如形状和偏斜程度。