直方图在线制作(直方图生成器)
这个直方图生成器可根据原始测量值、电子表格中的一列或一张频数分布表,画出频数、频率、密度和累积频数直方图,用于实验报告、统计课和期刊插图。每个组界和频数都在画柱之前由程序算好。
直方图风格
直方图生成器的五种期刊预设,各用一组不同的样本绘制:酵母细胞直径、种子质量、线粒体长度、确诊年龄和反应时间。点击卡片即可套用风格,或把测量值载入输入框。
直方图示例
四个直方图示例,均按卡片上的提示词和数据生成:按 Sturges 公式分组的 60 个静息心率,干旱前后雀喙深度按频率叠加,带正态曲线的密度刻度回归残差,以及组距为 10 的考试成绩累积频数。点击任一张即可载入直方图生成器。
什么是直方图?
直方图展示一个连续变量的分布:把取值范围切成相邻的组,每根柱子的面积代表落在该组中的观测数。 各组覆盖一条不间断的数轴,所以柱子彼此相接,这正是直方图与表示分立类别的柱状图的区别。
关于这个直方图生成器
- 可以把原始数值输入或粘贴到直方图生成器(直径(µm):5.3, 4.9, 5.0…),也可附加最多三个电子表格(CSV、TSV 或 Excel),每列一个样本。
- 直方图生成器把分组区间和频数组成的两列表格(10–15, 4)当作已分组数据,原样绘制;50–59 这样的组限在组界 49.5 和 59.5 处相接。
- 直方图生成器默认按 Sturges 公式分组,组界取整;指定组距、组数、Freedman–Diaconis 或 Scott 规则时以指定为准,范围较小的整数则每个值一根柱。
- 在直方图生成器里,每组包含左端点、不含右端点,只有最后一组两端都含,所以落在组界上的值只计一次,位置也确定。
- 直方图生成器每次重新生成都会按你的数值重新计数,所以切换期刊预设或颜色不会移动任何一根柱子。
直方图、柱状图与频数分布折线图的区别
直方图把一个连续测量值分组以显示其分布;柱状图为若干分立类别各给出一个数值。 看 x 轴就能分辨:数值刻度是直方图,组名是柱状图。频数分布折线图承载的频数与直方图相同,只是画成各组组中值处的点,再用线段连接(高中教材中的频率分布折线图同理,纵轴换成频率)。
| 直方图 | 柱状图 | 频数分布折线图 | |
|---|---|---|---|
| X 轴 | 分成若干组的数轴 | 任意顺序的类别名 | 数轴上的各组组中值 |
| 柱高 | 该组中的观测数或其密度 | 每个类别的均值、计数或百分比 | 没有柱:每组频数处一个点,点与点用线段相连 |
| 柱间距 | 没有,相邻组共用一个组界 | 类别之间等距空开 | 没有柱;折线在两端各外延一组处落到零 |
| 能否调换顺序? | 不能,组沿数轴排列 | 能,按大小或名称 | 不能,点沿数轴排列 |
| 回答的问题 | 哪些值常见,分布有多散? | 哪个类别最大? | 两个分布放在同一坐标轴上如何比较? |
要在多组间比较同一个测量值,给直方图生成器每组一行数值,它会按共用组界画出每组完整的形状;超过三组时,箱线图能更紧凑地完成同样的比较。
直方图生成器能画的直方图类型
研究者和学生常要的六种直方图,各自的纵轴表示什么,以及怎么写才能让生成器画出来。
频数分布直方图
柱高是该组的频数,所有柱高之和为 n。 这是直方图生成器的默认类型。用于读者关心观测数多少的单个样本,例如 60 个静息心率或 200 个颗粒直径。
频率分布直方图
柱高是频数除以 n,所有柱高之和为 1(要求百分比时为 100%)。向直方图生成器要“频率”即可。用于在同一坐标轴上比较大小不同的样本;形状与频数版相同。
带正态曲线的密度直方图
柱高是频数除以 n 与组距的乘积,总面积为 1,可以在同一刻度上叠加按样本均值和 SD 画的正态曲线;高中教材里纵轴为“频率/组距”的直方图就是这种。提示词写“带正态曲线的密度直方图”,直方图生成器就会画出它。这是 t 检验或方差分析之前、以及检查回归残差时的常规做法。
两个样本叠加的直方图
两三个样本使用相同的组界,各用半透明填充,重叠部分清晰可见。 给直方图生成器的每个样本单独一行(干旱前:…,干旱后:…)。四到六个样本,或写“分面板”,会在共用 x 轴的面板中分别画出;写“堆叠”则堆叠显示。
累积频数直方图
每根柱是到该组末端为止的累计数,最后一根等于 n。 在直方图生成器里写“累积”。它能回答 70 分以下有多少学生这类问题,某个值的百分位数也能直接读出。
由分组数据画直方图
直方图生成器把已经分好组的频数(40–49:3,50–59:8…)按原样绘制,绝不重新分组。 组限在组界(49.5、59.5…)处相接,柱子相连;组距不等时,柱高改为频数密度,使每根柱的面积仍与频数相符。
如何用这个直方图生成器制作直方图
把测量值粘贴进直方图生成器
每行输入一个样本,如 反应时间(ms):276, 402, 294…,或附加电子表格的一列。两行就是共用组界的两个样本;分组加频数的频数分布表按原样绘制。
说明分组和刻度
可以让直方图生成器保持 Sturges 公式,也可指定组距或组数。可要求频率、百分比、密度、正态曲线或累积频数,并写上坐标轴标题。
生成并核对频数
直方图生成器按算出的组界和频数绘图。拿一两根柱子和你自己的计数对一下,在对话中继续修改,导出为 PNG、SVG 或 PPTX。
由频数分布表制作直方图
统计课上给的数据通常已经分好组:一张列出组限和频数的频数分布表。下面这张是 40 株菜豆幼苗的高度,精确到厘米,教材要求的各列都齐了。图下方的按钮可以把它载入直方图生成器。
| 分组(cm) | 组界 | 组中值 | 频数 | 频率 | 累积频数 |
|---|---|---|---|---|---|
| 10–14 | 9.5–14.5 | 12 | 3 | 0.075 | 3 |
| 15–19 | 14.5–19.5 | 17 | 7 | 0.175 | 10 |
| 20–24 | 19.5–24.5 | 22 | 12 | 0.300 | 22 |
| 25–29 | 24.5–29.5 | 27 | 10 | 0.250 | 32 |
| 30–34 | 29.5–34.5 | 32 | 6 | 0.150 | 38 |
| 35–39 | 34.5–39.5 | 37 | 2 | 0.050 | 40 |
| 合计 | 40 | 1.000 |
- 1
组距是相邻两组下限之差
15 − 10 = 5,而不是 14 − 10 = 4。10–14 这样的组限之间留有一个单位的空隙,是因为每个高度都四舍五入到了整厘米;按 10–14、15–19…输入,直方图生成器能同时读出这个空隙和 5 的组距。
- 2
组界把空隙补上
每个组界位于空隙的正中:14 和 15 之间是 14.5。柱子从组界画到组界,9.5 到 14.5,所以彼此相连。输入组限,直方图生成器会自己确定组界。
- 3
组中值代表每一组
(10 + 14) ÷ 2 = 12。频数分布折线图的点画在组中值处,分组数据的平均数也用它来算:Σ(频数 × 组中值) ÷ n = 955 ÷ 40 = 23.875 cm。直方图生成器则在组界处、也就是柱子相接的地方标注 x 轴。
- 4
频率等于频数除以 n
写“频率”,直方图生成器就把每个频数除以 n:12 ÷ 40 = 0.300。这一列之和为 1,形状与频数分布直方图相同,只有 y 轴的数字变了,就像喙深示例那样。
- 5
用累积频数找中位数所在组
累计总数在 20–24 这一组首次达到 20,也就是 40 的一半,所以中位数落在这一组。写“累积”,直方图生成器会把这一列画成柱子,就像考试成绩示例那样。
把你自己的表按同样的格式粘贴进来,每项一个分组及其频数,直方图生成器会在组界处把组限连起来。组距不等时改用频数密度,使每根柱的面积仍与频数相符。
分几组?Sturges 公式、Freedman–Diaconis 规则与组距
组距决定直方图呈现什么形状:组太少会掩盖第二个峰,组太多会让柱子变成噪声。 用规则选组距可以复现,图注中应写明所用组距。
- Sturges:k = ⌈log₂ n⌉ + 1
- Freedman–Diaconis:h = 2 × IQR × n^(−1/3)
- 密度:柱高 = 频数 ÷ (n × h)
用文字说
Sturges 公式只根据样本量确定组数:50 个观测值分 7 组,100 个分 8 组,1,000 个分 11 组。Freedman–Diaconis 规则则根据四分位距确定组距,避免少数极端值把每个组都拉宽。密度直方图把每个频数除以 n 与组距的乘积,柱子总面积为 1,可以在上面叠画概率曲线。
直方图生成器默认用 Sturges 公式,组距取整为 10 的幂的 1、2、2.5 或 5 倍。写“组距 5”“12 组”“FD 分组”或“Scott 规则”可以更改,写“从 40 开始”可以移动第一个组界。
同一个样本,三种组距
同样 60 个果蝇翅长,雌雄混在一起,用三种方式分组。只有中间那张直方图显示出两个群体。每个按钮都会把对应的组距载入直方图生成器。
如果形状随组距而变,能按组拆开就拆开。直方图生成器可以把最多三个样本叠加在共用组界上,这样雌雄两组在任何合理的组距下都显示为两个峰。
如何读直方图的形状
**读直方图看的是中心、离散程度、偏度、峰的个数和离群值,这些特征指向适合数据的模型。** 组距会改变看到的形状,报告形状前请换一个组距再看一次。
| 形状 | 柱子的样子 | 通常意味着 | 需要检查 |
|---|---|---|---|
| 对称,单峰 | 中间最高,向两侧均匀下降 | 接近正态分布 | t 检验前做正态概率图 |
| 右偏 | 峰的右侧拖着一条矮柱长尾 | 以零为下限的值:大小、时间、浓度 | 报告中位数;试试对数刻度分组 |
| 左偏 | 长尾伸向左侧 | 存在上限,如接近满分的考试成绩 | 图注写中位数和 IQR |
| 双峰 | 两个分开的峰 | 一个样本中混有两个总体 | 按组拆开再叠加 |
| 均匀 | 柱高大致相同 | 没有偏好的取值,或组太宽 | 让直方图生成器用更小的组距重画 |
| 离群值或缺口 | 远离其他柱的孤立柱,中间有空组 | 测量误差或少见的亚组 | 剔除前先核查这些观测值 |
偏度按尾巴而不是峰的方向命名:右偏直方图的峰在左边。 右偏样本的均值位于中位数右侧,所以图注中两者都值得写上。
期刊图什么时候需要直方图
只要论文需要展示样本的样子,而不只是均值,就会用到直方图。
检验前的分布检查
审稿人会问数据是否满足 t 检验或方差分析的正态性假设;一张带正态曲线的密度直方图放在补充材料里就能回答。
回归残差
以零为中心、没有长尾的标准化残差支持线性模型;偏斜或双峰的残差提示遗漏了变量或需要变换。
质量控制与校准
灌装重量、检测重复值或仪器读数按规格限分组,在方法学和验证论文中一眼就能看出漂移和离散。
大小与时间分布
细胞和颗粒直径、线粒体长度、反应时间、确诊年龄:这些右偏或多峰的变量,用均值 ± SD 的柱子会掩盖其形状。
直方图生成器与 Excel、Google 表格、Desmos 对比
同一组数据,在电子表格、图形计算器和直方图生成器里画出来的柱子可能不一样。差别就出在下面这些设置上。
| 这个直方图生成器 | Excel | Google 表格 | Desmos | |
|---|---|---|---|---|
| 默认分组 | Sturges 公式,组距取成 2、5 或 10 这样的整齐数 | 直方图图表用 Scott 正态参考规则;分析工具库则使用你输入的接收区域 | 自动选择分桶大小,并用离群值百分位截掉两端极值 | 组距为 1,除非写成 histogram(list, width) |
| 柱子上叠加正态曲线 | 写“带正态曲线”;曲线与柱子使用相同的单位 | 用 NORM.DIST 算一列,乘以 n × 组距,再在组合图中作为第二个系列添加 | 直方图图表没有叠加选项 | 在密度直方图上画 normaldist(mean, sd).pdf(x) |
| 已经数好的频数分布表 | 以分组加频数的形式输入或附加,在组界处相接 | 画成柱形图,把间隙宽度设为 0 | 画成柱形图;直方图图表需要原始数值 | histogram() 只接受原始数据列表 |
| 组距不等的分组 | 柱高改为频数密度,使每根柱的面积与频数相符 | 直方图图表中各组等宽,溢出和下溢组除外 | 只支持相同的分桶大小 | 每张直方图只有一个组距 |
为什么直方图生成器和 Excel 对同一组数据可能数出不同结果
Excel 把恰好等于组界的值放进在该处结束的那一组,R 的 hist() 默认也是如此。直方图生成器和 NumPy、Matplotlib 一样,把它放进从该处开始的那一组。因此组距为 10 时,恰好 60、70、80 分的成绩在两个程序里会相差一根柱;对整数数据,用以 .5 结尾的组界(如 59.5)就能避开这个问题。
把电子表格带进直方图生成器
把表格直接附加到直方图生成器:每列一个样本,或者在数值列旁边放一列分组。文件限制见下方常见问题。
关于直方图生成器的常见问题
直方图应该分几组?
通常 5 到 15 组,样本越大组越多。 Sturges 公式对 50 个值给出 7 组,100 个给出 8 组,1,000 个给出 11 组。直方图生成器从这里出发,把组距取成整齐的数,所以最终组数可能差一两组;大样本或偏斜样本用 Freedman–Diaconis 规则往往更好读。
这个直方图生成器免费吗?
可以免费开始:每个新账号赠送 100 积分,注册不需要绑卡。 在直方图生成器里分组和计数不消耗积分,只有画图时才扣积分。需要账号,是因为每张图都会保存在工作台里,方便你回来继续修改。
能用 Excel 或 CSV 文件做直方图吗?
能。向直方图生成器附加最多三个 .xlsx、.csv 或 .tsv 文件,每列一个样本,表头行写样本名。 旧版 .xls 需要先另存为 .xlsx。所有数值都会参与分组,总数上限 200,000 个,所以导出的大表不必手动抽样。
直方图生成器能用频数分布表作图吗?
能。给出各组及其频数,如 40–49:3,50–59:8,60–69:12,直方图生成器就按原样绘制。 组限在组界处相接,柱子相连;各组组距不同时,柱高改为频数密度,使面积与频数成正比。本页的幼苗频数分布表逐列演示了一遍。
组距怎么选?
先用规则算出一个值,再取附近的整齐数:2、5 或 10 个单位,而不是 3.7。 在直方图生成器里写“组距 5”来设定,写“从 40 开始”来确定第一个组界。太宽会合并真实的峰,太窄会让噪声看起来像结构,决定前请比较两个组距,就像翅长演示那样。
落在组界上的值归入哪一组?
在这个直方图生成器里,归入从该组界开始的那一组。 每组包含左端点、不含右端点,只有最后一组两端都含,确保最大值一定被计入;NumPy 也用同样的约定。Excel 和 R 的 hist() 则把组界上的值计入在该处结束的那一组。
纵轴该用频数、频率还是密度?
单个样本用频数,比较大小不同的样本用频率,要在柱子上叠画概率曲线或组距不等时用密度。 组距相等时三者形状相同,只是坐标轴刻度不同。写明你要哪一种,直方图生成器会给 y 轴配上相应的标题。
直方图的柱子为什么相连?
因为各组是同一条数轴上首尾相接的区间,中间没有空隙。 留出间隙会暗示存在不可能出现的值。只有某组为空时柱子才会分开,直方图生成器把它画成一段空着的基线。
直方图和柱状图有什么区别?
直方图按组显示一个数值变量的分布;柱状图比较各类别的某个数值。 直方图的 x 轴是连续刻度,柱子相连;柱状图的类别彼此分开,可以任意排序。直方图生成器对一个测量变量分组;各类别的汇总值请用柱状图生成器。
怎么判断直方图是否偏斜?
看尾巴:矮柱向右拖是右偏,向左拖是左偏。 均值会被拉向尾巴一侧,所以均值明显大于中位数就证实了右偏。让直方图生成器加上正态曲线,偏斜就表现为某一侧的柱子越出曲线。
什么时候直方图应该用对数刻度分组?
当所有值都为正,且数据跨越一两个数量级以上时,颗粒大小和浓度常常如此。 对数轴上的等宽分组给小数值留出空间,常常把长长的右尾变成对称的形状。在直方图生成器里写“对数分组”或“x 轴用对数刻度”。
怎么手画直方图?
求极差,定组距,把数值划记到各组,再画高度等于频数、彼此相连的柱子。 第一组从略低于最小值处开始;数据是整数时,组界取以 .5 结尾的数(49.5、59.5),就不会有值正好落在组界上。直方图生成器用程序走的是同样的步骤,所以它的频数可以和手工划记的结果互相核对。
怎么用直方图比较两组?
两个样本用相同的组界和相同的坐标轴,用透明填充叠加,或上下分面板排列。 各组分组不同,形状就无法比较。给直方图生成器每组单独一行数值,并写上组名;三组以内叠加显示,四到六组分面板显示。
直方图的图注应写明什么?
样本量、组距或决定组距的规则,以及纵轴表示什么。 不知道组距,读者就无法判断形状。直方图生成器会给 y 轴加标题;组距和 n 应写进图注文字。
资料来源
- 1.3.3.14. Histogram — NIST, e-Handbook of Statistical Methods
- 2.2 Histograms, Frequency Polygons, and Time Series Graphs — OpenStax, Introductory Statistics 2e
- Create a histogram — Microsoft Support
- hist: Histograms — R documentation, graphics package
- numpy.histogram — NumPy documentation
继续探索
我们的其他图表工具,以及相关的指南文章。