分布：hist、kde 和 box
观察单个变量的形状
分布：hist、kde 和 box 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 2 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
查看单列的数据形状
在计算平均值之前，先观察完整的数据分布。分布图可以显示单列中每个值出现的频率。
直方图
直方图会将数值放入各个区间，并为每个区间绘制一根柱子。柱子越高，表示对应的数值出现得越频繁。
sns.histplot(data=df, x="age")区间数量会改变解读结果
区间太少会隐藏细节，太多则会增加噪声。调整区间数量可以控制直方图显示得粗略还是细致。
sns.histplot(data=df, x="age", bins=20)平滑曲线：KDE
KDE图会用平滑曲线代替柱子，估计数值的密度。它能让您一眼看出整体形状。
sns.kdeplot(data=df, x="age")同时显示直方图和 KDE
想同时显示柱子和平滑曲线吗？在直方图中加入kde=True，seaborn 就会为您叠加曲线。
sns.histplot(data=df, x="age", kde=True)解读峰值
一个峰表示一个常见范围，两个峰可能暗示存在两个群体。峰值的数量通常可以揭示数据中隐藏的子群体。
箱线图
箱线图将分布压缩为五个数值：中位数、中间一半数据的范围，以及数据所覆盖的范围。
sns.boxplot(data=df, y="income")解读箱体和须线
箱体内部的线是中位数，箱体表示中间 50% 的数据，须线则向典型的极值延伸。
立即发现异常值
须线之外的点会被标记为异常值。箱线图能让这些不寻常的数值在屏幕上一目了然。
并排比较各组
将一个类别变量添加到 x 后，箱线图会按组拆分。这样您就能同时比较每个团队的收入分布。
sns.boxplot(data=df, x="team", y="income")何时使用哪种图？
想查看形状时，使用直方图或 KDE；想比较各组并快速发现异常值时，使用箱线图。
快速检查
您想比较各类别之间的分布范围，并发现异常值。
回顾：单列数据的三种视图
现在，您可以用三种方式解读一列数据：用直方图查看计数，用 KDE 查看平滑的形状，用箱线图查看分布范围和异常值。📈
常见问题解答
「分布：hist、kde 和 box」课时是免费的吗？
是的 — 「分布：hist、kde 和 box」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「分布：hist、kde 和 box」这节课中我会学到什么？
观察单个变量的形状 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 2 节课，共 4 节。
「分布：hist、kde 和 box」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 为什么选择 seaborn 而不是原生 matplotlib
- 分布：hist、kde 和 box
- 关系：散点图和折线图
- 分面、色调和样式