直方图（Histograms）和条形图（Barchart）看起来没有什么区别，长得很像，但是这两个并不同一种统计图像。具体地，通常直方图用来描述连续型数据，比如年龄、身高、体重等。而条形图通常用来描述分类型数据，比如性别、国家等。 对于直方图，我们要做的第一步就是把连续性的数据分箱（bin），所谓的分箱实际上就是将数据按照一定的间隔进行分组。比如我们现在手上有100个人的年龄的数据，从20岁到60岁，然后我们以10岁为间隔，分别统计20-30、30-40、40-50、50-60岁这四组的人数，再进行绘图。因此不同组之间通常是连续的，且间隔一致。数据的连续性体现在图像上就是柱子之间并没有间隔。因此，直方图可以粗略地表示出数据分布密度，被用于密度估计。

而条形图如下列例子统计了不同国家的样本数量。可以看到下图的柱子之间有间隔，体现出国家并非一个连续变量而是一个分类变量。

ggplot2提供了绘制直方图和条形图的功能，分别为geom_bar()和geom_histogram()。具体如下：

那么这两个函数是否有区别吗？实际上并没有太大的区别，geom_histogram()等同于geom_bar()+stat_bin()。

进一步那么我们来研究如何绘制直方图/条形图。

1）需要什么格式的数据 本次我们来看一个新的R提供的数据，就是闪闪发光的钻石💎Diamonds。

price：钻石的价格，单位美元 carat：钻石的重量，单位克拉 cut：钻石切割的质量水平，Fair, Good, Very Good, Premium, Ideal color：钻石的颜色，从J（最差）到D（最好） clarity：钻石的净度，I1（最差）SI2, SI1, VS2, VS1, VVS2, VVS1, IF (最好) x：长度，单位mm y：宽度，单位mm z：深度，单位mm 我们探讨两个问题——统计表中所有的钻石（大约 50,000个）的重量分布以及净度。 可以看到重量是一个连续型变量，而净度是一个分类型变量。所以前者我们做直方图，后者我们做条形图。

2）如何使用ggplot2做直方图

首先我们来看看钻石重量的直方图。

输入上述命令后我们会得到一条提示stat_bin() using “bins = 30”. Pick better value with “binwidth”.什么意思呢？就是把所有的数据按照相同间隔分成了30组，图上有30个柱子。（如图）

从图上我们可以看到大部分的钻石都是1克拉以下，较少的钻石是2克拉以上。 那用geom_bar()会怎么样呢？我们来看一看。

可以看到如果使用上述命令，每一个重量对应的都有一个柱子，显示了不同重量而非某个范围的重量所对应的钻石数量。刚刚我们说了geom_bar()+stat_bin()才是等同于geom_histogram()。所以我们来看一下如果命令变成下述是怎么样的？

看，就和刚才一模一样了！

3）如何使用ggplot2做条形图 然后我们来瞧瞧条形图。

从图中我们可以看到不同等级净度的钻石情况。

4）如何做好看的直方/条形图

利用下述代码我们可以得到不同重量的钻石切割水平的情况。

利用下述代码我们可以得到横向的条形图。

关于直方/条形图的介绍就到这里啦。大家还可以更进一步的看一看这两个绘图函数的功能，让图像变得更好看。