当前位置：首页>python>Python可视化Seaborn全攻略 | Part.6

Python可视化Seaborn全攻略 | Part.6

2026-07-01 00:30:00

第六篇：Seaborn统计篇｜直方图详解，看数据分布超直观🧮

前面我们学了散点图（展示变量关系）、线图（展示变化趋势），今天我们学习统计类图表的“入门款”——直方图。

在数据分析中，我们经常需要查看数据的分布情况：比如“学生成绩集中在哪个分数段”“账单金额主要分布在哪个区间”“用户年龄分布是否均匀”，而直方图就是最直观的工具。

用Seaborn绘制直方图，不仅颜值高，还能一键添加核密度曲线、分组对比，新手也能轻松搞定统计分布可视化👇

📊 核心函数：sns.histplot() 直方图绘制

Seaborn绘制直方图的核心函数是sns.histplot()，核心作用是将数据分成多个“区间（bins）”，用柱子的高度表示每个区间的数据数量，能快速看出数据的集中范围。

✅ 基础直方图（直接复制运行）

用小费数据集，展示“账单金额”的分布情况，看大多数账单集中在哪个金额区间，3行核心代码搞定：

import seaborn as snsimport matplotlib.pyplot as plt# 1. 加载数据+设置主题tips = sns.load_dataset("tips")sns.set_style("whitegrid", rc={"font.sans-serif": ["SimHei"]})# 2. 绘制基础直方图：x轴=账单金额，默认分组区间sns.histplot(x="total_bill", data=tips, color="#4ECDC4")# 3. 优化图表：标题、坐标轴标签plt.title("账单金额分布直方图")plt.xlabel("账单金额（元）")plt.ylabel("数据数量（人数）")# 显示图表plt.show()

✅ 进阶直方图：分组+核密度曲线，信息量拉满

实际分析中，我们常常需要对比不同类别的数据分布（比如“不同性别的账单金额分布差异”），同时添加核密度曲线，更清晰地看出数据分布趋势，这些用Seaborn都能一键实现：

import seaborn as snsimport matplotlib.pyplot as plttips = sns.load_dataset("tips")sns.set_style("whitegrid", rc={"font.sans-serif": ["SimHei"]})# 1. 按性别分组，对比不同性别的账单金额分布，添加核密度曲线sns.histplot(    x="total_bill", hue="sex", data=tips,    kde=True,  # kde=True  添加核密度曲线    palette="Set2",  # 分组配色    edgecolor="black"  # 柱子边框颜色（更清晰）)plt.title("不同性别账单金额分布直方图（带核密度曲线）")plt.xlabel("账单金额（元）")plt.ylabel("数据数量（人数）")plt.show()# 2. 自定义区间数量（bins），更精准展示分布# bins越大，区间越多，细节越清晰；反之则越简洁sns.histplot(    x="total_bill", data=tips,    bins=20,  # 自定义20个区间    color="#FF6B6B",    edgecolor="black")plt.title("账单金额分布直方图（自定义20个区间）")plt.xlabel("账单金额（元）")plt.ylabel("数据数量（人数）")plt.show()

💡 避坑小技巧

bins参数怎么设？不宜过大或过小：过大会导致图表杂乱（区间太多），过小会丢失分布细节（区间太少），建议根据数据量设置为10-30之间；
分组后柱子重叠？用multiple="dodge"参数，让分组柱子并排显示，比如sns.histplot(x="total_bill", hue="sex", data=tips, multiple="dodge")；
不需要核密度曲线？去掉kde=True即可，默认不显示；
柱子颜色太单调？用color参数自定义单颜色，或用palette参数自定义分组配色。

✅ 实战拓展：直方图与散点图结合

将直方图与散点图结合，同时展示数据分布和变量关系，让可视化更全面：

import seaborn as snsimport matplotlib.pyplot as plttips = sns.load_dataset("tips")sns.set_style("whitegrid", rc={"font.sans-serif": ["SimHei"]})# 创建2行1列的子图，上下布局fig, axes = plt.subplots(2, 1, figsize=(10, 8))# 上子图：直方图（账单金额分布）sns.histplot(x="total_bill", data=tips, color="#4ECDC4", ax=axes[0])axes[0].set_title("账单金额分布直方图")axes[0].set_xlabel("账单金额（元）")axes[0].set_ylabel("数据数量（人数）")# 下子图：散点图（账单金额与小费金额关系）sns.scatterplot(x="total_bill", y="tip", data=tips, color="#FF6B6B", ax=axes[1])axes[1].set_title("账单金额与小费金额关系散点图")axes[1].set_xlabel("账单金额（元）")axes[1].set_ylabel("小费金额（元）")# 调整子图间距，避免拥挤plt.tight_layout()plt.show()