區(qū)別：

首先，條形圖是用條形的長度表示各類別頻數(shù)的多少，其寬度（表示類別）則是固定的；

直方圖是用面積表示各組頻數(shù)的多少，矩形的高度表示每一組的頻數(shù)或頻率，寬度則表示各組的組距，因此其高度與寬度均有意義。

其次，由于分組數(shù)據(jù)具有連續(xù)性，直方圖的各矩形通常是連續(xù)排列，而條形圖則是分開排列。

最后，條形圖主要用于展示分類數(shù)據(jù)，而直方圖則主要用于展示數(shù)據(jù)型數(shù)據(jù)，我們初中學的就是條形統(tǒng)計圖，很顯然有沒有當初那種感覺？（身高-年齡 條形統(tǒng)計圖）在坐標上畫出每個年齡對應的頻數(shù)。這就是我們研究數(shù)據(jù)分布最喜歡用的。如果還是有點蒙，下面相同數(shù)據(jù)對比一下這兩種圖像你就會明白！

數(shù)據(jù)：

年齡	0	1	2	3	4	5	6	7	8	9	10	總數(shù)
人數(shù)	3	6	7	11	13	18	15	11	7	5	4	100

條形統(tǒng)計圖（注重每類多少個）：

            
              import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']  #正常顯示中文
plt.rcParams['axes.unicode_minus']=False  #正常顯示負號

# d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
# d=d[0]
# d=list(d)

ages=range(11)
count=[3,6,7,11,13,18,15,11,7,5,4]
plt.bar(ages,count, label='graph 1')
# params
# x: 條形圖x軸
# y：條形圖的高度
# width：條形圖的寬度 默認是0.8
# bottom：條形底部的y坐標值 默認是0
# align：center / edge 條形圖是否以x軸坐標為中心點或者是以x軸坐標為邊緣
plt.legend()
plt.xlabel('ages')
plt.ylabel('count')
plt.title(u'測試例子——條形圖')

for i in range(11):
    plt.text(i,count[i]+0.1,"%s"%count[i],va='center')

plt.show()
            
          

直方圖：

            
              import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']  #正常顯示中文
plt.rcParams['axes.unicode_minus']=False  #正常顯示負號
# d=np.random.normal(0,1,100)
d=pd.read_excel('E:\Python\projects\data\data100.xlsx',header=None)
d=d[0]
d=list(d)
print(d)
n, bins, patches = plt.hist(x=d, bins=11, color='#0504aa',
                alpha=0.8, rwidth=0.6)  #alpha 是顏色深度  rwidth 條形寬度，bins條形箱的數(shù)目

plt.grid(axis='y', alpha=0.4)  #alpha 網(wǎng)格顏色深度
plt.xlabel('age')
plt.ylabel('count')
plt.title('100個樣本分布如下')
plt.text(20, 40, r'$\mu=0, sigma=1$')#前面是坐標，寫字
# plt.ylim(19)  #設置y的范圍

plt.show()
            
          

對比兩個圖就能知道，條形圖將類別對的死死的，但是直方圖就用間隔來劃分每一柱多少，雖然大體相差不大，但是對于數(shù)據(jù)研究那影響可大也可小。總之了解了區(qū)別才能避免不必要的犯錯。