直方图是数据分析中常用的图形，用于以可视化方式展示数据集的分布。它能帮助我们观察数据在不同取值上的分布情况，从而发现模式、趋势与异常。
本文将介绍频数直方图，并带您一步步完成绘制。此外，我们还将了解不同类型的直方图、用于创建直方图的常见技术工具、需要避免的常见错误，以及应遵循的最佳实践。
什么是频数直方图？
频数直方图是展示数据集分布的一种图形表示方式。直方图由一系列箱（bins）构成，本质上是覆盖数据范围的区间。每个箱都有一个频数，表示落入该区间内的数据点数量。将箱绘制在横轴上，将频数绘制在纵轴上，就形成了类似柱状图的表示。每个柱子的高度对应该箱中的数据点频数。
直方图之所以常见，是因为它在数据分析中具有多项关键作用：
- 汇总海量数据：在处理大规模数据时，直方图能提供清晰、简洁的概览，使我们无需陷入单个数据点也能快速把握整体分布。
- 检测离群值：直方图可视化数据分布，便于发现离群值——显著偏离其余数据的数据点。这些离群值可能指向错误、异常，或值得深入研究的重要现象。
- 理解分布模式：直方图有助于识别偏度（分布的不对称性）、模态（分布峰的数量）以及离散程度（数据范围）。这种理解对统计建模至关重要，有助于选择合适的模型与假设。
- 对比分析：直方图也适用于比较不同数据集。将多幅直方图并排绘制，可以直观比较其分布，揭示仅凭原始数据难以察觉的异同。
既然已经了解了频数直方图及其在数据分析中的作用，接下来就通过示例学习如何创建一个直方图。
如何创建频数直方图
设想这样一个场景：作为数据分析师，您需要分析某零售门店过去一个月的每日销售数据。
您的目标是理解每日销售额的分布，以识别模式、评估表现，并为库存管理和销售策略提供洞见。在分析中，您决定用直方图来辅助获取洞见。
以下是您可以遵循的创建频数直方图的步骤：
步骤 1：收集数据集
假设您联系了公司数据团队，从销售数据库中获取了数据。您将数据整理为如下表格：
销售数据集。图片作者自制。
步骤 2：确定箱（区间）
接着，根据数据的范围与分布选择合适的箱。
分析数据后，您发现最小值为 20，最大值为 135，共有 30 个观测值。根据平方根法则（稍后会详细介绍），√30 ≈ 5.5，您可以使用 6 个箱。需要将 115 的范围分成 6 个箱，得到约 19 的箱宽。
为便于操作，我们采用箱宽为 20 的区间：
- 20–39
- 40–59
- 60–79
- 80–99
- 100–119
- 120–139
步骤 3：计算各箱的频数
统计落入每个区间的观测数，并按下表进行汇总：
计算各箱的频数。图片作者自制。
步骤 4：绘制直方图
绘制表示箱的水平轴（x 轴）和表示频数的垂直轴（y 轴）。对每个箱绘制一个柱形，其高度对应该箱的频数。
您的直方图应大致如下所示：
绘制直方图。图片作者自制。
步骤 5：标注与格式化
将 x 轴标注为“Units Sold”，y 轴标注为“Frequency”。添加标题，例如“Histogram of Daily Sales Data”。确保柱形间距均匀、边界清晰，便于阅读。
完成后的图形应如下所示：
直方图的标注与格式化。图片作者自制。
就是这样！您已为分析创建了频数直方图。
不同类型的频数直方图
频数直方图有不同的变体，它们在数据呈现方式上略有差异。
- 频数直方图（Frequency Histogram）：传统的频数直方图显示各指定箱内数据点的绝对频数。正如上文所示，它有助于理解数据点的分布与集中情况，也是最常用的直方图类型。
- 相对频数直方图（Relative Frequency Histogram）：相对频数直方图不展示每个箱中的绝对数据点数量，而是显示相对频数（所占比例）。这种直方图适用于比较不同数据集，因为它对数据进行了标准化，便于比较总量不同的分布。
- 累积频数直方图（Cumulative Frequency Histogram）：累积频数直方图展示累积总量，有助于理解频数在数据范围内如何逐步累加。它常用于识别分位数并理解累积效应。
这些直方图变体可根据分析项目中的不同情境揭示不同的洞见，因此了解它们的存在会很有帮助。
适合创建频数直方图的技术工具
虽然上文演示了手工绘制直方图，但您也可以借助多种工具与技术来完成，每种工具的功能与侧重点各不相同。
以下是一些用于创建直方图的常见技术：
当然，上述清单并不完整，在线上还有许多其他工具可用于创建直方图。您可根据分析项目的需求自由选择并采用最适合的工具。
常见错误与最佳实践
由于直方图常被视为基础图表，我们往往缺少系统学习，导致在制作时容易出错。以下是一些常见错误及其对应的最佳实践：
1. 选择箱宽（以及箱的数量）
不当的箱宽会显著影响直方图的外观与准确性。
过宽的箱会把过多数据点合并在一起，从而过度简化数据，掩盖数据中的重要模式与变化，使分布中的细节点与差异难以察觉。
相反，过窄的箱意味着每个箱覆盖的数值范围很小，可能导致大量箱中仅含极少数据点。这种细节层级可能没有必要，并以信息过载的方式干扰读者，反而不利于发现有意义的模式或趋势。
不一致的箱宽会造成误导性的可视化，令直方图更难解读。
最佳实践
首先，确保直方图中的所有箱具有相同的宽度。这种一致性便于跨区间直接比较频数。
有若干准则可帮助确定合适的箱宽（以及箱的数量）：
- 平方根法则：该法则建议箱的数量取数据点数量的平方根。例如有 100 个数据点，则使用 √100 = 10 个箱。此方法简单且通常有效。
- Sturges 公式：该公式在考虑数据点数量的同时计算箱的数量，尤其适用于更大的数据集，可在“过少”与“过多”之间取得平衡。
Sturges 公式。来源：Wikipedia
在实践中，最佳箱宽往往通过迭代调整获得。先按某条准则确定初始箱宽，再根据直方图的清晰度与信息量上下微调。
2. 标注与刻度
一个常见错误是只关注图形本身，而忽视坐标轴标注与刻度。
如果坐标轴标注不准确或不充分，读者可能无法理解直方图所表达的含义。
在比较多幅直方图时，y 轴刻度不一致会扭曲比较。如果一幅图的 y 轴范围是 0 到 100，而另一幅是 0 到 50，那么柱形高度将无法直接对比。这种不一致会误导读者，以为存在或不存在某些显著差异。
即便在单幅直方图中，刻度不一致也会误导。如果 y 轴不是从零开始，或使用不规则间隔，就可能夸大或缩小各箱频数的差异，进而对数据分布做出错误结论。
最佳实践
始终清晰、准确地标注 x 轴与 y 轴。明确每个轴代表的含义，并在适用时包含计量单位。加入能提供上下文的信息性标题。
在比较多幅直方图时使用一致的 y 轴刻度。这样可确保柱形高度准确反映频数或相对频数，便于有意义的比较。尽量让 y 轴从零开始，以真实呈现数据分布；如确有不便，应清晰标明起点并使用一致的间隔。
3. 处理离群值
离群值是远离主要数据簇的数据点，会影响分布形状。一个常见错误是简单地剔除并忽略离群值。
将其剔除可能掩盖分布的真实性质，例如长尾或不对称（偏度）。例如，包含少量极高值的数据集在纳入离群值时可能呈现偏斜分布，而删除后看起来更对称。
离群值有时代表重要现象或关键信息。比如在销售数据中，某个离群值可能代表异常大的采购，指示一次成功的营销活动或批量订单。忽略此类点可能错失有价值的信息。
最佳实践
在直方图中纳入离群值，以完整展现数据分布。确保 y 轴刻度能容纳这些离群值，同时不过度压缩主体数据。
如果因特定原因（如错误、无关的极端值）而剔除离群值，请在配套文本或图例中明确说明。这有助于保持透明度，并让读者理解剔除的理由。
遵循这些最佳实践，能确保您的直方图准确传达预期洞见，并助力后续的数据分析工作。
结语
本文介绍了频数直方图、其不同类型及其在数据分析中的重要性。在手工创建直方图之后，我们列举了几种可用于创建直方图的主流工具与技术，同时也总结了需要避免的常见错误与应遵循的最佳实践。
我们鼓励您多加练习，从多个数据集创建并解读直方图以提升熟练度。持续实践分析任务并复盘结果，将有助于您精通数据分析。
学习愉快！
直方图是数据分析中常用的图形，用于以可视化方式展示数据集的分布。它能帮助我们观察数据在不同取值上的分布情况，从而发现模式、趋势与异常。
本文将介绍频数直方图，并带您一步步完成绘制。此外，我们还将了解不同类型的直方图、用于创建直方图的常见技术工具、需要避免的常见错误，以及应遵循的最佳实践。
什么是频数直方图？
频数直方图是展示数据集分布的一种图形表示方式。直方图由一系列箱（bins）构成，本质上是覆盖数据范围的区间。每个箱都有一个频数，表示落入该区间内的数据点数量。将箱绘制在横轴上，将频数绘制在纵轴上，就形成了类似柱状图的表示。每个柱子的高度对应该箱中的数据点频数。
直方图之所以常见，是因为它在数据分析中具有多项关键作用：
既然已经了解了频数直方图及其在数据分析中的作用，接下来就通过示例学习如何创建一个直方图。
如何创建频数直方图
设想这样一个场景：作为数据分析师，您需要分析某零售门店过去一个月的每日销售数据。
您的目标是理解每日销售额的分布，以识别模式、评估表现，并为库存管理和销售策略提供洞见。在分析中，您决定用直方图来辅助获取洞见。
以下是您可以遵循的创建频数直方图的步骤：
步骤 1：收集数据集
假设您联系了公司数据团队，从销售数据库中获取了数据。您将数据整理为如下表格：
步骤 2：确定箱（区间）
接着，根据数据的范围与分布选择合适的箱。
分析数据后，您发现最小值为 20，最大值为 135，共有 30 个观测值。根据平方根法则（稍后会详细介绍），√30 ≈ 5.5，您可以使用 6 个箱。需要将 115 的范围分成 6 个箱，得到约 19 的箱宽。
为便于操作，我们采用箱宽为 20 的区间：
步骤 3：计算各箱的频数
统计落入每个区间的观测数，并按下表进行汇总：
计算各箱的频数。图片作者自制。
步骤 4：绘制直方图
绘制表示箱的水平轴（x 轴）和表示频数的垂直轴（y 轴）。对每个箱绘制一个柱形，其高度对应该箱的频数。
您的直方图应大致如下所示：
步骤 5：标注与格式化
将 x 轴标注为“Units Sold”，y 轴标注为“Frequency”。添加标题，例如“Histogram of Daily Sales Data”。确保柱形间距均匀、边界清晰，便于阅读。
完成后的图形应如下所示：
直方图的标注与格式化。图片作者自制。
就是这样！您已为分析创建了频数直方图。
不同类型的频数直方图
频数直方图有不同的变体，它们在数据呈现方式上略有差异。
这些直方图变体可根据分析项目中的不同情境揭示不同的洞见，因此了解它们的存在会很有帮助。
适合创建频数直方图的技术工具
虽然上文演示了手工绘制直方图，但您也可以借助多种工具与技术来完成，每种工具的功能与侧重点各不相同。
以下是一些用于创建直方图的常见技术：
当然，上述清单并不完整，在线上还有许多其他工具可用于创建直方图。您可根据分析项目的需求自由选择并采用最适合的工具。
常见错误与最佳实践
由于直方图常被视为基础图表，我们往往缺少系统学习，导致在制作时容易出错。以下是一些常见错误及其对应的最佳实践：
1. 选择箱宽（以及箱的数量）
不当的箱宽会显著影响直方图的外观与准确性。
过宽的箱会把过多数据点合并在一起，从而过度简化数据，掩盖数据中的重要模式与变化，使分布中的细节点与差异难以察觉。
相反，过窄的箱意味着每个箱覆盖的数值范围很小，可能导致大量箱中仅含极少数据点。这种细节层级可能没有必要，并以信息过载的方式干扰读者，反而不利于发现有意义的模式或趋势。
不一致的箱宽会造成误导性的可视化，令直方图更难解读。
最佳实践
首先，确保直方图中的所有箱具有相同的宽度。这种一致性便于跨区间直接比较频数。
有若干准则可帮助确定合适的箱宽（以及箱的数量）：
在实践中，最佳箱宽往往通过迭代调整获得。先按某条准则确定初始箱宽，再根据直方图的清晰度与信息量上下微调。
2. 标注与刻度
一个常见错误是只关注图形本身，而忽视坐标轴标注与刻度。
如果坐标轴标注不准确或不充分，读者可能无法理解直方图所表达的含义。
在比较多幅直方图时，y 轴刻度不一致会扭曲比较。如果一幅图的 y 轴范围是 0 到 100，而另一幅是 0 到 50，那么柱形高度将无法直接对比。这种不一致会误导读者，以为存在或不存在某些显著差异。
即便在单幅直方图中，刻度不一致也会误导。如果 y 轴不是从零开始，或使用不规则间隔，就可能夸大或缩小各箱频数的差异，进而对数据分布做出错误结论。
最佳实践
始终清晰、准确地标注 x 轴与 y 轴。明确每个轴代表的含义，并在适用时包含计量单位。加入能提供上下文的信息性标题。
在比较多幅直方图时使用一致的 y 轴刻度。这样可确保柱形高度准确反映频数或相对频数，便于有意义的比较。尽量让 y 轴从零开始，以真实呈现数据分布；如确有不便，应清晰标明起点并使用一致的间隔。
3. 处理离群值
离群值是远离主要数据簇的数据点，会影响分布形状。一个常见错误是简单地剔除并忽略离群值。
将其剔除可能掩盖分布的真实性质，例如长尾或不对称（偏度）。例如，包含少量极高值的数据集在纳入离群值时可能呈现偏斜分布，而删除后看起来更对称。
离群值有时代表重要现象或关键信息。比如在销售数据中，某个离群值可能代表异常大的采购，指示一次成功的营销活动或批量订单。忽略此类点可能错失有价值的信息。
最佳实践
在直方图中纳入离群值，以完整展现数据分布。确保 y 轴刻度能容纳这些离群值，同时不过度压缩主体数据。
如果因特定原因（如错误、无关的极端值）而剔除离群值，请在配套文本或图例中明确说明。这有助于保持透明度，并让读者理解剔除的理由。
遵循这些最佳实践，能确保您的直方图准确传达预期洞见，并助力后续的数据分析工作。
结语
本文介绍了频数直方图、其不同类型及其在数据分析中的重要性。在手工创建直方图之后，我们列举了几种可用于创建直方图的主流工具与技术，同时也总结了需要避免的常见错误与应遵循的最佳实践。
我们鼓励您多加练习，从多个数据集创建并解读直方图以提升熟练度。持续实践分析任务并复盘结果，将有助于您精通数据分析。
学习愉快！