在pandas中绘制直方图的方式很简单，只需要在装载好的DataFrame对象 上调用hist方法。例如，我们可以看到这个DataFrame包含C1和C2两列，这 两列完全由数字构成，所以在这个DataFrame上调用了hist方法之后，就会针 对这两列画出两个直方图，每一个直方图对应其中一列，表示了这一列中不同取 值的数据的个数。 c1 c2 df.hist() 11 array([[<matplotlib.axes.subplots.Axessubplot object at 0x102b97240>, 21 <matplotlib.axes.subplots.AxesSubplot object at 0x10b58e320>]],dtype=object) 31 cl 42 6 93 5 第二种常见的数据统计工具是箱线图。箱线图稍显复杂一些，它由一个方框 以及纵向贯穿它的竖线构成，这个方框的最下部表示数据的下四分位数，顶部表 示它的上四分位数，方框的范围就表达了四分位数的取值范围。在方框的中部有 一条贯穿方框的横线，表达的是整个数据集的中位值。在这条贯穿方框的纵线上， 上边缘表示的是整个数据集的最大值，下边缘表示的数据集的最小值。在方框中在 瀃濴瀁濷濴瀆 中绘制直方图的方式很简单，只需要在装载好的 D濴瀇濴F瀅濴瀀濸 对象 上调用 濻濼瀆瀇 方法。例如，我们可以看到这个 D濴瀇濴F瀅濴瀀濸 包含 C1 和 C2 两列，这 两列完全由数字构成，所以在这个 D濴瀇濴F瀅濴瀀濸 上调用了 濻濼瀆瀇 方法之后，就会针 对这两列画出两个直方图，每一个直方图对应其中一列，表示了这一列中不同取 值的数据的个数。 第二种常见的数据统计工具是箱线图。箱线图稍显复杂一些，它由一个方框 以及纵向贯穿它的竖线构成，这个方框的最下部表示数据的下四分位数，顶部表 示它的上四分位数，方框的范围就表达了四分位数的取值范围。在方框的中部有 一条贯穿方框的横线，表达的是整个数据集的中位值。在这条贯穿方框的纵线上， 上边缘表示的是整个数据集的最大值，下边缘表示的数据集的最小值。在方框中