直方图，又称质量分布图，用于表示数据的分布情况，是一种常见的统计图表。
一般用横轴表示数据区间，纵轴表示分布情况，柱子越高，则落在该区间的数量越大。
构建直方图时，首先首先就是对数据划分区间，通俗的说即是划定有几根柱子（比如，1980年~2020年的数据，每5年划分一个区间的话，共8个区间）。
接着，对落在每个区间的数值进行统计计算， 最后，绘制矩形，高度由每个区间的统计结果决定。
直方图与柱状图看似相像，实则完全不同。
前者反映数据分布情况，后者则不具备此功能，只能对数值进行比较。
也就是说，柱状图是离散的因此柱子间有空隙；但直方图的数据是连续的数值变量，因此柱子间是没有空隙的。
1. 主要元素
直方图的主要元素包括：
- 横轴：表示数据的取值范围或分组区间。
- 纵轴：表示该区间内数据的频率或数量。
- 柱状条高度：表示每个区间内数据的频率或数量，柱状条的高度代表该区间内数据的数量多少。
- 柱状条面积：表示不同区间内数据的总和，有时候面积是无意义的，只看高度。
2. 适用的场景
直方图适用于以下分析场景：
- 数据分布分析：直方图可以帮助我们了解数据的分布情况，包括数据的中心趋势、离散程度和偏斜程度等。通过观察直方图的形状，我们可以判断数据是正态分布、偏态分布还是有其他特殊的分布形式。
- 异常检测：直方图可以帮助我们识别出数据中的异常情况。通过观察直方图中的离群点或异常值，我们可以发现数据中的异常情况，从而进行数据清洗和异常检测。
- 数据预处理：直方图可以指导我们选择合适的数据预处理方法。通过观察直方图，我们可以了解数据的分布范围和形态，从而决定是否需要对数据进行归一化、标准化或对数变换等预处理操作。
- 数据比较：直方图可以帮助我们比较不同数据集之间的差异。通过绘制多个直方图并进行对比，我们可以观察到不同数据集之间的分布差异，从而进行数据分析和解释。
3. 不适用的场景
直方图可能不适用于以下分析场景：
- 时间序列分析：直方图通常用于表示数据的分布情况，而对于时间序列数据，直方图无法展示数据随时间变化的趋势和模式。
- 数据关联分析：直方图无法直接展示数据之间的相关性或关联性。
- 多维数据分析：直方图主要适用于一维数据的分析，无法直接展示多维数据的分布情况。
- 数据模型拟合：直方图可以展示数据的分布情况，但无法直接拟合数据的概率分布或模型。
- 数据聚类分析：直方图无法直接展示数据的聚类情况，无法将数据点分组或分类。
4. 分析实战
本次准备用直方图统计下某个年度我们进出口总额的分布情况。
4.1. 数据来源
这次选用国家统计局公开的对外经济贸易数据：
https://databook.top/nation/A06
fp = "d:/share/A06050101.csv"
df = pd.read_csv(fp)
df
4.2. 数据清理
数据中有很多年份的数据为0，也就是有很多的缺失值。
所以，只选取了2021年与亚洲各国的进出口总额数据来分析，
其中有2个数据在分析绘图前需要清理，
一个是中国同亚洲其他国家(地区)进出口总额(万美元)，与其他值差别很大，所以清理；
另一个是中国同亚洲进出口总额(万美元)，这是个汇总数据，也清理了。
data = df[(df["sj"] == 2021) &
(df["zb"] != "A060501011E") &
(df["zb"] != "A0605010101")].copy()
#原始数值太大，单位换成（亿美元）
data["value"] = data["value"] / 10000
data.head()
一共有48条数据，这是前5条。
4.3. 分析结果可视化
绘制直方图比较简单，核心是两个参数：
- **x **参数：一个列表，也就是这次示例中就是各个亚洲国家的进出口总额
- **bins **参数：设置数据分成几组，直方图会统计每个分组中的数据个数
plt.hist(data["value"].tolist(), bins=10)
plt.title("中国与亚洲各国进出口总额(亿美元) 分布")
plt.show()
上面绘图时，分了10个组。（可以试试调整分组个数，看看不同的图形效果）
从图中可以看出，2021年，亚洲各国与中国的进出口总额在 0~300（亿美元）左右的国家最多，有30多个；
还有2,3个国家与中国的进出口总额甚至超过了3500亿美元。