点图和直方图：有什么区别？

点图和直方图是两种常用的可视化数据集中值分布的图。

点图沿 x 轴显示各个数据值，并使用点表示每个单独值的频率。

直方图沿 x 轴显示数据范围，并使用矩形条表示属于每个范围的值的频率。

以下示例演示如何为同一数据集创建点图和直方图。

示例：为同一数据集创建点图和直方图

假设我们有以下包含 18 个值的数据集：

数据： 1、1、1、1、2、2、2、3、4、5、5、6、6、6、6、7、8、10

该数据集的点图如下所示：

x 轴显示各个数据值，y 轴显示每个值的频率。

例如，我们可以看到值“2”在数据集中出现了三次，因为它上面有三个点。同样，我们可以看到值“3”只出现一次，因为它上面只有一个点。

该数据集的直方图如下所示：

整洁。

例如，我们可以看到有七个值在0和2之间，两个值在2和4之间，依此类推。

额外奖励：对于那些好奇的人，我们使用以下 R 代码来创建上面所示的点图和直方图：

 #define dataset
data <- c(1, 1, 1, 1, 2, 2, 2, 3, 4, 5, 5, 6, 6, 6, 6, 7, 8, 10)

#create dot plot
stripchart(data, method = "stack", offset = .5, at = 0, pch = 19, cex=5,
           col = "steelblue", main = "Dot Plot",
           xlab = "Data Values", ylab="Frequency")

#create histogram
hist(data, col='steelblue', main='Histogram', xlab='Data Values')

点图或直方图：您应该使用哪一个？

如前所述，点图和直方图可用于可视化数据集中值的分布。

根据经验，当数据集较小时，我们通常使用点图，因为它可以让我们准确地看到每个值出现的次数。

相反，当数据集很大时，我们通常使用直方图，因为创建一个点来表示大数据集中的每个单独值是很乏味的。

请记住，使用直方图的唯一缺点是我们无法准确判断每个值出现的次数。

例如，在前面的直方图中我们看到有七个值在0和2之间，但是我们不知道到底有多少个值是1，有多少个值是2。

如果我们只是想了解分布的一般“形状”，那么如果我们不知道数据集的各个值通常并不重要。

另请记住，我们无法仅通过查看直方图来计算准确的中位数或平均值，因为我们不知道各个值。

其他资源

以下教程提供有关直方图的其他信息：

如何估计平均值和中位数直方图
如何描述直方图的形状
如何在 R 中创建直方图
如何用 Python 创建直方图

以下教程提供有关点图的其他信息：

如何找到点图的中心和分布
如何在 Google 表格中创建点图
如何在 Excel 中创建点图
如何在 R 中创建点图