未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本文适用于直方图入门及使用 NumPy、Matplotlib 绘制等宽分箱、按人数计数的独立练习；“每个区间有多少数据就画多高的柱子”的说明应在这一范围内理解，不直接适用于不等宽分箱或概率密度直方图。示例身高为随机模拟数据，不代表真实班级调查结果；增加 bins 只会细化分箱，并不保证更准确地揭示总体分布。本次仅作正文结构审阅，未运行代码或核验相关链接。

🟦 直方图（Histogram）

abstract 📋 本节概览

  • 🎯 前置知识：理解什么是直方图，为什么要用直方图，以及如何用Python绘制
  • 📚 前置知识：统计图表与可视化|统计图表与可视化 | 数据分布类型|数据分布类型
  • ⏱️ 预计用时：8分钟

前置知识

note 📖 **什么是直方图？**

直方图是一种用来展示一组数据"分布情况"的图表。它把数据分成若干区间（比如0-10、10-20），每个区间有多少数据就画多高的柱子。

生活例子：

  • 统计班级同学的身高分布，直方图能一眼看出大多数人身高在哪个区间。

🛠️ 前置知识

  1. 思路说明

    • 用matplotlib库的hist函数直接绘制
    • 可以设置区间（bins）数量

  2. 前置知识

    • matplotlib（最常用的Python绘图库）
    • numpy（生成模拟数据）

  3. 代码示例

import matplotlib.pyplot as plt
import numpy as np
heights = np.random.normal(170, 10, 100)  # 生成100个身高数据
plt.hist(heights, bins=10, color='skyblue', edgecolor='black')
plt.xlabel('身高（cm）')
plt.ylabel('人数')
plt.title('班级身高分布直方图')
plt.show()

tip 💡 bins参数

bins越多，柱子越细，分布越详细；bins越少，分布越粗略。

🔗 相关知识