该用 plt.hist() 诊断分布形态（如双峰、偏斜、离群值），用 df.describe() 快速核对缺失值、量纲和数量级；二者互补而非互斥。
什么时候该用 plt.hist() 而不是 df.describe()
直方图和摘要统计解决的是完全不同的问题：plt.hist() 展示数据分布形状（有没有双峰、偏斜、离群值聚集），df.describe() 只给数字快照（均值、四分位数等）。如果你在查“为什么模型预测偏差大”，先画直方图；如果只是确认“这列数值范围是不是合理”，describe() 更快。
常见错误现象：用 describe() 发现 std 很大，就认为数据“很分散”，但没意识到可能是长尾+少量极端值——这种结构只有直方图能一眼看出来。
- 连续型变量诊断分布形态 → 优先
plt.hist() - 快速核对缺失值、量纲、数量级 →
df.describe() - 想同时看分布 + 统计数字 → 先跑
plt.hist()，再补一行df[col].describe()，别混成一个动作
plt.hist() 的 bins 参数怎么设才不误导人
bins 不是调参，是表达意图。默认 10 个桶在大多数真实数据上都会抹平细节或制造假峰。
使用场景：金融交易金额、用户停留时长这类右偏数据，用等宽分箱（默认）会把大量低值挤在一个桶里，高值区域全是空桶或噪声。
立即学习“Python免费学习笔记（深入）”；
- 先试
bins='auto'（实际是'fd'规则），它会按数据密度动态调整，比固定数字靠谱得多 - 要和业务对齐时，改用
np.arange()手动设边界，比如用户年龄按np.arange(0, 101, 5)分 5 岁一段 - 绝对不要用
bins=100硬凑——样本少于 200 行时，每个桶平均不到 2 个点，直方图失去意义
直方图 vs 密度图：density=True 的真实作用
density=True 不是“让图形更平滑”，而是把纵轴从「频数」换成「概率密度」。这意味着所有柱子面积加起来等于 1，才能和 scipy.stats.norm.pdf() 这类理论曲线叠在一起比。
容易踩的坑：开了 density=True 却还去读纵轴数字说“这个区间有 0.3 个样本”——这是错的，0.3 是密度值，不是计数，不能直接解释为比例。
- 单纯看分布形状 → 关掉
density（默认False），纵轴是整数，好理解 - 要叠加正态拟合线、做 KS 检验 → 必须开
density=True - 想看占比？用
weights参数更直接：weights=np.ones(len(data)) / len(data)，此时纵轴就是比例
Summary 输出里 count 和 mean 对不上怎么办
df.describe() 默认忽略 NaN，但不同列缺失模式可能不同。如果 count 明显小于行数，而你又没检查过缺失位置，mean 就可能被局部缺失带偏。
典型现象：某列 count=998，但 mean 却比中位数高一倍——大概率是那 2 个缺失值刚好在数据最大端，删掉后剩下全是小值，均值被拉低了？不，是反的：删掉两个极大值后，均值反而变小了？不对——等等，先看缺失是不是集中在高值区。
- 永远配着
df[col].isna().sum()一起看describe()，别只扫一眼count - 如果缺失非随机（比如用户收入在 >100 万时系统不采集），
describe()的mean就不可信，得换median或插补 -
describe(include='all')会暴露对象列的unique和top，但对数值列没帮助，别滥用
