直方圖，又稱質量分佈圖，用於表示數據的分佈情況，是一種常見的統計圖表。 一般用橫軸表示數據區間，縱軸表示分佈情況，柱子越高，則落在該區間的數量越大。構建直方圖時，首先首先就是對數據劃分區間，通俗的說即是劃定有幾根柱子（比如，1980年~2020年的數據，每5年劃分一個區間的話，共8個區間）。接著，對 ...
直方圖，又稱質量分佈圖，用於表示數據的分佈情況，是一種常見的統計圖表。
一般用橫軸表示數據區間，縱軸表示分佈情況，柱子越高，則落在該區間的數量越大。
構建直方圖時，首先首先就是對數據劃分區間，通俗的說即是劃定有幾根柱子（比如，1980年~2020年的數據，每5年劃分一個區間的話，共8個區間）。
接著，對落在每個區間的數值進行統計計算， 最後，繪製矩形，高度由每個區間的統計結果決定。
直方圖與柱狀圖看似相像，實則完全不同。
前者反映數據分佈情況，後者則不具備此功能，只能對數值進行比較。
也就是說，柱狀圖是離散的因此柱子間有空隙；但直方圖的數據是連續的數值變數，因此柱子間是沒有空隙的。
1. 主要元素
直方圖的主要元素包括：
- 橫軸：表示數據的取值範圍或分組區間。
- 縱軸：表示該區間內數據的頻率或數量。
- 柱狀條高度：表示每個區間內數據的頻率或數量，柱狀條的高度代表該區間內數據的數量多少。
- 柱狀條面積：表示不同區間內數據的總和，有時候面積是無意義的，只看高度。
2. 適用的場景
直方圖適用於以下分析場景：
- 數據分佈分析：直方圖可以幫助我們瞭解數據的分佈情況，包括數據的中心趨勢、離散程度和偏斜程度等。通過觀察直方圖的形狀，我們可以判斷數據是正態分佈、偏態分佈還是有其他特殊的分佈形式。
- 異常檢測：直方圖可以幫助我們識別出數據中的異常情況。通過觀察直方圖中的離群點或異常值，我們可以發現數據中的異常情況，從而進行數據清洗和異常檢測。
- 數據預處理：直方圖可以指導我們選擇合適的數據預處理方法。通過觀察直方圖，我們可以瞭解數據的分佈範圍和形態，從而決定是否需要對數據進行歸一化、標準化或對數變換等預處理操作。
- 數據比較：直方圖可以幫助我們比較不同數據集之間的差異。通過繪製多個直方圖併進行對比，我們可以觀察到不同數據集之間的分佈差異，從而進行數據分析和解釋。
3. 不適用的場景
直方圖可能不適用於以下分析場景：
- 時間序列分析：直方圖通常用於表示數據的分佈情況，而對於時間序列數據，直方圖無法展示數據隨時間變化的趨勢和模式。
- 數據關聯分析：直方圖無法直接展示數據之間的相關性或關聯性。
- 多維數據分析：直方圖主要適用於一維數據的分析，無法直接展示多維數據的分佈情況。
- 數據模型擬合：直方圖可以展示數據的分佈情況，但無法直接擬合數據的概率分佈或模型。
- 數據聚類分析：直方圖無法直接展示數據的聚類情況，無法將數據點分組或分類。
4. 分析實戰
本次準備用直方圖統計下某個年度我們進出口總額的分佈情況。
4.1. 數據來源
這次選用國家統計局公開的對外經濟貿易數據：
https://databook.top/nation/A06
fp = "d:/share/A06050101.csv"
df = pd.read_csv(fp)
df
4.2. 數據清理
數據中有很多年份的數據為0，也就是有很多的缺失值。
所以，只選取了2021年與亞洲各國的進出口總額數據來分析，
其中有2個數據在分析繪圖前需要清理，
一個是中國同亞洲其他國家(地區)進出口總額(萬美元)，與其他值差別很大，所以清理；
另一個是中國同亞洲進出口總額(萬美元)，這是個彙總數據，也清理了。
data = df[(df["sj"] == 2021) &
(df["zb"] != "A060501011E") &
(df["zb"] != "A0605010101")].copy()
#原始數值太大，單位換成（億美元）
data["value"] = data["value"] / 10000
data.head()
一共有48條數據，這是前5條。
4.3. 分析結果可視化
繪製直方圖比較簡單，核心是兩個參數：
- **x **參數：一個列表，也就是這次示例中就是各個亞洲國家的進出口總額
- **bins **參數：設置數據分成幾組，直方圖會統計每個分組中的數據個數
plt.hist(data["value"].tolist(), bins=10)
plt.title("中國與亞洲各國進出口總額(億美元) 分佈")
plt.show()
上面繪圖時，分了10個組。（可以試試調整分組個數，看看不同的圖形效果）
從圖中可以看出，2021年，亞洲各國與中國的進出口總額在 0~300（億美元）左右的國家最多，有30多個；
還有2,3個國家與中國的進出口總額甚至超過了3500億美元。
