2.1.6　分布图形

分布图形主要用于展示每个数值在数据集中出现的频次或数量，常见类型有直方图、箱形图、小提琴图等。

1. 直方图

直方图与柱状图非常相似，但在数据表示上，直方图主要展示数据的分布情况，而柱状图是比较数据的大小，这是两者最根本的区别。直方图是在连续间隔或特定的时间段内展示数据的图形，一般表示一组数据的频次和分布情况。

图2-25展示的是某个城市人口的年龄分布，把年龄分为0～10、11～20、21～30等若干组，通过图形可以看出人口的众数是41～50的数据，中位数是21～30/61～70的数据（众数是一组数据中出现最多的数据，中位数是数据集合中间的数据）。

因为直方图中的区间是连续的，所以柱子之间无间隔，另外直方图的柱子宽度有可能是不一样的。图2-25中81～100的数据分布，就表示这段数据是一样的。在设计直方图时，开始的柱子最好能与Y轴有一定的间隔，如图2-25中两个0的位置不在一个点上，这样能避免与Y轴重合。如若不留间隔，就最好把Y轴的线段去掉，避免重合。

图2-25

2. 箱形图

箱形图因形状类似于箱子而得名，其能够很好地展示一组数据的分布情况，以及分析一组数据的最大值、最小值、平均值、四分位数。

图2-26所示是对箱形图的解析，箱子最中间的一条线是数据的中位线，代表这组数据的平均值。箱子的上下限是数据的上下四分位数，四分位数是将一组数据分为四等分点，下四分位线是在数据分布中25%的位置，上四分位线是在数据分布中75%的位置，也就是说箱子中包含了50%的数据，所以箱子的高度能在一定程度上反映数据的波动程度。箱子的上下各有一条线，分别代表最大值和最小值。超出的圆点表示异常值，不在正常数据中统计。

图2-26

在图2-27中可以看出“后端工程师”的薪资波动最大，“UI设计师”的平均薪资要高于“交互设计师”。“产品经理”中有一项异常值，可以理解为这组数据中可能存在超高薪资的产品经理，其数据不具备参考性，故不算在正常的统计中。箱形图的特点是能过滤掉异常值的影响，准确地展示数据的分布情况。

图2-27

3. 小提琴图

小提琴图结合了箱形图的特征，同样是展示数据的分布情况。在图2-28中白点是中位数，上下边界与箱形图的箱子一样为四分位数的范围。细黑直线被称为须，表示数据的分布区间；外部的胖瘦形状表示数据分布的密度。

图2-28

从图2-28中可以看出4缸汽车的油耗最不稳定，因为四分位线的上下间隔最长，这表示数据分布较为分散；6缸汽车的四分位线的上下间隔最短，表示数据分布集中，油耗较为稳定；8缸汽车的数据分布跨度最大，说明油耗最不均匀，并且在图形中靠下的位置，说明最耗油。