Python 条形图与直方图有非常大的区别

区别：

首先，条形图是用条形的长度表示各类别频数的多少，其宽度（表示类别）则是固定的；

直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。

其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。

最后，条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据，我们初中学的就是条形统计图，很显然有没有当初那种感觉？（身高-年龄 条形统计图）在坐标上画出每个年龄对应的频数。这就是我们研究数据分布最喜欢用的。如果还是有点蒙，下面相同数据对比一下这两种图像你就会明白！

数据：

年龄	0	1	2	3	4	5	6	7	8	9	10	总数
人数	3	6	7	11	13	18	15	11	7	5	4	100

条形统计图（注重每类多少个）：

            
              import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']  #正常显示中文
plt.rcParams['axes.unicode_minus']=False  #正常显示负号

# d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
# d=d[0]
# d=list(d)

ages=range(11)
count=[3,6,7,11,13,18,15,11,7,5,4]
plt.bar(ages,count, label='graph 1')
# params
# x: 条形图x轴
# y：条形图的高度
# width：条形图的宽度 默认是0.8
# bottom：条形底部的y坐标值 默认是0
# align：center / edge 条形图是否以x轴坐标为中心点或者是以x轴坐标为边缘
plt.legend()
plt.xlabel('ages')
plt.ylabel('count')
plt.title(u'测试例子——条形图')

for i in range(11):
    plt.text(i,count[i]+0.1,"%s"%count[i],va='center')

plt.show()
            
          

直方图：

            
              import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']  #正常显示中文
plt.rcParams['axes.unicode_minus']=False  #正常显示负号
# d=np.random.normal(0,1,100)
d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
d=d[0]
d=list(d)
print(d)
n, bins, patches = plt.hist(x=d, bins=11, color='#0504aa',
                alpha=0.8, rwidth=0.6)  #alpha 是颜色深度  rwidth 条形宽度，bins条形箱的数目

plt.grid(axis='y', alpha=0.4)  #alpha 网格颜色深度
plt.xlabel('age')
plt.ylabel('count')
plt.title('100个样本分布如下')
plt.text(20, 40, r'$\mu=0, sigma=1$')#前面是坐标，写字
# plt.ylim(19)  #设置y的范围

plt.show()
            
          

对比两个图就能知道，条形图将类别对的死死的，但是直方图就用间隔来划分每一柱多少，虽然大体相差不大，但是对于数据研究那影响可大也可小。总之了解了区别才能避免不必要的犯错。