直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的条纹表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。 直方图是数值数据分布的精确图形表示。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是（但不是必须的）相等的大小。

绘制直方图：

直方图的绘制方法，使用的是plt.hist方法来实现，这个方法的参数以及返回值如下：

参数：

1. x：数组或者可以循环的序列。直方图将会从这组数据中进行分组。

2. bins：数字或者序列（数组/列表等）。如果是数字，代表的是要分成多少组。如果是序列，那么就会按照序列中指定的值进行分组。比如[1,2,3,4]，那么分组的时候会按照三个区间分成3组，分别是[1,2)/[2,3)/[3,4]。

3. range：元组或者None，如果为元组，那么指定x划分区间的最大值和最小值。如果bins是一个序列，那么range没有有没有设置没有任何影响。

4. density：默认是False，如果等于True，那么将会使用频率分布直方图。每个条形表示的不是个数，而是频率/组距（落在各组样本数据的个数称为频数，频数除以样本总个数为频率）。

5. cumulative：如果这个和density都等于True，那么返回值的第一个参数会不断的累加，最终等于1。

6. 其他参数：请参考：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html。

返回值：

1. n：数组。每个区间内值出现的个数，如果density=True，那么这个将返回的是频率/组距。

2. bins：数组。区间的值。

3. patches：数组。每根条的对象，类型是matplotlib.patches.Rectangle。

案例：

比如有一组电影票房时长，想要看下这组票房时长的数据，那么可以通过以下代码来实现：

效果图如下：

另外，也可以通过density=True，来实现频率分布直方图。示例代码如下：

而如果想要让nums的总和为1，那么就需要设置cumulative=True参数，示例代码如下：

直方图的应用场景：

1. 显示各组数据数量分布的情况。

2. 用于观察异常或孤立数据。

3. 抽取的样本数量过小，将会产生较大误差，可信度低，也就失去了统计的意义。因此，样本数不应少于50个。