您可以将直方图视为绘制值分布的一种方式。绘制这种分布的另一种方法是 KDE（核密度估计），但毕竟，它们传达了相同的概念，即值系列（x 轴）的每个值（或值区间）的频率。

我喜欢这张来自 seaborn distplot 的图片，它可以提供有关值的（单变量）分布的一次性信息，包括连续（kde）和离散（直方图）表示。https://seaborn.pydata.org/tutorial/distributions.html

变量的分布是一个抽象概念，它表示变量是如何“分布”的，即表示变量具有任何特定值的机会。

例如，如果变量是常规骰子的结果，则 1 到 6 中的任何值都有相同的机会出现 (1/6)。这是一个均匀分布。如果您实际上自己进行了掷骰子 100 次的实验，您将观察到每个值的频率（即计数）约为 100/6 = 16.6，但并不完全正确。

现在假设您想直观地表示您的实验结果，即观察到的样本分布。最标准的方法是绘制直方图：如您所知，您在 X 轴上写下 6 个值，并为每个值在 Y 轴上绘制一个与其频率（或概率）一样高的条形图。直方图是分布的直观表示：它为每个值显示它出现的机会，并且它在视觉上对观察分布的“形状”很有用。例如，如果分布是正态的，则直方图具有这种典型的钟形。但也有许多其他类型的分布。