直方图，又称质量分布图，用于表示数据的分布情况，是一种常见的统计图表。
一般用横轴表示数据区间，纵轴表示分布情况，柱子越高，则落在该区间的数量越大。
构建直方图时，首先首先就是对数据划分区间，通俗的说即是划定有几根柱子（比如，1980年~2020年的数据，每5年划分一个区间的话，共8个区间）。
接着，对落在每个区间的数值进行统计计算， 最后，绘制矩形，高度由每个区间的统计结果决定。
直方图与柱状图看似相像，实则完全不同。
前者反映数据分布情况，后者则不具备此功能，只能对数值进行比较。
也就是说，柱状图是离散的因此柱子间有空隙；但直方图的数据是连续的数值变量，因此柱子间是没有空隙的。
直方图的主要元素包括：
直方图适用于以下分析场景：
直方图可能不适用于以下分析场景：
本次准备用直方图统计下某个年度我们进出口总额的分布情况。
这次选用国家统计局公开的对外经济贸易数据：
https://databook.top/nation/A06
fp = "d:/share/A06050101.csv"
df = pd.read_csv(fp)
df
数据中有很多年份的数据为0，也就是有很多的缺失值。
所以，只选取了2021年与亚洲各国的进出口总额数据来分析，
其中有2个数据在分析绘图前需要清理，
一个是中国同亚洲其他国家(地区)进出口总额(万美元)，与其他值差别很大，所以清理；
另一个是中国同亚洲进出口总额(万美元)，这是个汇总数据，也清理了。
data = df[(df["sj"] == 2021) &
(df["zb"] != "A060501011E") &
(df["zb"] != "A0605010101")].copy()
#原始数值太大，单位换成（亿美元）
data["value"] = data["value"] / 10000
data.head()
一共有48条数据，这是前5条。
绘制直方图比较简单，核心是两个参数：
plt.hist(data["value"].tolist(), bins=10)
plt.title("中国与亚洲各国进出口总额(亿美元) 分布")
plt.show()
上面绘图时，分了10个组。（可以试试调整分组个数，看看不同的图形效果）
从图中可以看出，2021年，亚洲各国与中国的进出口总额在 0~300（亿美元）左右的国家最多，有30多个；
还有2,3个国家与中国的进出口总额甚至超过了3500亿美元。