Plotly 直方图
由 Karl Pearson 引入，直方图是对数值数据分布的准确表示，它是对连续变量 (CORAL) 概率分布的估计。它看起来类似于条形图，但是，条形图涉及两个变量，而直方图只涉及一个。
直方图需要
bin（或
bucket）来划分 ent将值范围划分为一系列区间——然后计算落入每个区间的值的数量。 bin 通常指定为变量的连续、非重叠区间。垃圾箱必须相邻，并且通常大小相同。在 bin 上方竖立一个矩形，其高度与频率（每个 bin 中的案例数）成正比。
直方图跟踪对象由
go.Histogram() 函数返回。它的定制是通过各种参数或属性完成的。一个基本参数是将 x 或 y 设置为列表、
numpy 数组 或
Pandas 数据帧对象，它们将分布在 bin 中。
默认情况下，Plotly 将数据点分布在自动调整大小的 bin 中。但是，您可以定义自定义 bin 大小。为此，您需要将 autobins 设置为 false，指定
nbins（bin 数量）、其开始和结束值以及大小。
以下代码生成一个简单的直方图，显示学生在班级 inbins 中的分数分布（自动调整大小）-
import numpy as np
x1 = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
data = [go.Histogram(x = x1)]
fig = go.Figure(data)
iplot(fig)
输出如下图-
go.Histogram() 函数接受
histnorm，它指定用于此直方图跟踪的归一化类型。默认为""，每个条形的跨度对应于出现的次数（即位于 bin 内的数据点数）。如果分配了
"百分比"/"概率"，则每个条形的跨度对应于相对于样本点总数的百分比/发生率。如果它等于"
密度"，则每个条形的跨度对应于 bin 中出现的次数除以 bin 间隔的大小。
还有
histfunc 参数，其默认值为
count。因此，bin 上矩形的高度对应于数据点的计数。可以设置为 sum、avg、min 或 max。
histogram() 函数可以设置为显示连续 bin 中值的累积分布。为此，您需要将
cumulative 属性 设置为启用。结果如下所示-
data=[go.Histogram(x = x1, cumulative_enabled = true)]
fig = go.Figure(data)
iplot(fig)
输出如下-
