区别：
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。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/229479.html原文链接：https://javaforall.net
