小白学数据可视化：单变量连续型可视化——直方图

这是我的第5篇数据可视化（data visualization)的文章。

本文介绍对数据集中重要的连续型单一变量做可视化分析。比方说，金融科技里面用户信用评分的分布，世界各国的国民经济总产值分布等。我们可以使用直方图来揭示连续型单一变量的分布关系。

直方图简介

直方图，大家都不陌生。很多领域里面都会谈到，大同小异。数学里面，说到了直方图；数据分析里面，说到了直方图；数字图像处理里面，也说到了直方图。直方图，不仅仅是一种很有效的可视化分析工具，还是一种巧妙地特征工程方法。

如何做直方图呢?

第一步:对变量分箱。分箱要么指定箱子的数目（ggplot2的直方图默认值是30),要么指定箱子的宽度。

第二步：统计每个箱子所占的频数。

第三步: 针对各个箱子和对应的频数结果绘制图形（与Excel的柱状图相类似了）。

ggplot2包画直方图

第一步：加载R包

第二步：准备数据集

第三步：研究变量weight的分布

采用直方图，并且修饰和完善直方图

接下来对每个柱子做修饰，利用参数fill填充柱子的颜色，参数color设计柱子边框的颜色。

通过参数bins或者binwidth控制直方图所要展示的柱子数目。

或者

直方图默认情况下是采用计数（count）表示，我们采用百分比来表示。

ggplot2包利用ggplot()函数绘制的图像，返回值也可以记录为一个对象，类似变量一样，后续在其基础上，可以继续补充和完善。

在图像对象基础上增添平均线。

在图像对象基础上增添核密度曲线。

使用变量sex控制分组，并且对每个组添加均值线。

更多内容，可以查看geom_histogram()函数帮助文档。可视化分析的时候，要清楚可视化的目的，然后再选择合适的可视化手段，最后再做些锦上添花的事情。