它们非常相似，但是：

• 直方图聚合到 bin 的结果（聚合导致的信息丢失：高分辨率点 (2.324) 降低到 bin 分辨率 [2,3]）
• 蜂群图显示轴上点的精确值。这是一个一维散点图。

但是，如果两个点彼此非常接近，如果点的大小足够大，它们就会重叠。为避免这种情况，蜂群图将稍微向一侧移动一个点，使其不重叠。

它们通常看起来相似，因为您在本地拥有的点越多，重叠的可能性就越高。然后，高密度区域通常会导致直方图中的“峰值”。

蜂群情节是更忠实的表现

1. 数据差距：取决于分箱（位置和大小），直方图可能无法表示它（如图中的第 1 点）。
2. 最小值和最大值：想象值限制在 5，但直方图最后一个 bin 继续为 6，它可能给人的印象是变量的最大值为 6。

在这两种情况下，您都可以看到 beeswarm 是更忠实的表示。

正因为如此，它不是高度可扩展的（它必须代表每一个没有重叠的点）。在seaborn.swarplot 函数文档中：

此函数类似于 stripplot()，但点被调整（仅沿分类轴），使它们不重叠。这可以更好地表示值的分布，但不能很好地扩展到大量观察值。这种情节有时被称为“蜂群”。