{
  "id": "bar-chart",
  "title": "条形图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "条形图用等宽矩形条表示不同类别的数值，条形长度与所表示的数值成正比。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "条状图",
    "柱状图",
    "柱形图"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/bar-chart/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/bar-chart/",
      "json": "https://aiwiki.page/en/bar-chart.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "条形图是一种用等宽矩形条表示不同类别对应数值的图形。每个条形从共同基线起算的长度，与其表示的数值成正比。条形可以水平放置，也可以竖直放置；竖直的条形图也称为柱状图。条形图广泛用于统计学和数据可视化，便于比较各类别的计数、数量、百分比及其他数值汇总结果。"
    },
    {
      "heading": "结构与原理",
      "text": "标准条形图有一条类别轴，用于标明所比较的组别，以及一条数值轴，用于显示各组的数值。在竖直条形图中，类别沿水平轴排列，数值沿竖直轴标示；水平条形图的安排则相反。\n\n对于非负数值 \\(v_1,\\ldots,v_n\\)，每个条形的长度 \\(L_i\\) 满足\n\n\\[L_i = k v_i,\\]\n\n其中，\\(k>0\\) 是共同的比例因子。因此，数值增大一倍，条形长度也增大一倍。条形宽度相等，使长度成为主要的视觉编码方式，而不让宽度额外表示另一种数量。\n\n负值从零基线向相反方向延伸。例如，财务余额图可以在零线上方显示正余额，在零线下方显示负余额。零值没有可见的条形长度，因此可能需要用类别标签或数值标注，将其与缺失信息区分开来。\n\n类别可以是无序的，例如产品名称；也可以是有序的，例如满意度等级。类别的位置通常不表示数值上的距离：两个产品名称之间的间距没有定量含义。"
    },
    {
      "heading": "主要类型",
      "text": "简单条形图\n\n简单条形图为每个类别显示一个数值。典型例子包括各地区的人口、各产品的销售额，或某道调查题的回答情况。\n\n当类别名称较长或类别较多时，水平条形尤其适用。当标签较短，或类别遵循人们熟悉的从左到右的顺序时，则常使用竖直条形。\n\n分组条形图\n\n分组条形图也称簇状条形图，在每个类别内并排放置两个或更多条形。例如，每个地区可以分别用两个条形表示两个年份的销售额。\n\n分组图中的条形具有共同基线，因此便于直接比较不同数据系列。不过，数据系列过多会使图形拥挤，也会增加读者将条形与图例对应起来的难度。\n\n堆叠条形图\n\n堆叠条形图将每个条形分成若干段，分别表示总量的各个组成部分。整个条形的长度表示总量，各段的长度则表示各组成部分的数值。\n\n对于非负的组成部分 \\(v_{ij}\\)，类别 \\(i\\) 的总量为\n\n\\[T_i=\\sum_{j=1}^{m}v_{ij}.\\]\n\n堆叠图能同时展示总量和构成，但大多数内部条段并不具有共同基线。因此，跨类别比较这些条段，比比较基线对齐的条形更困难。条段的数值由其长度表示，而不是由其上端点的位置表示。\n\n在百分比堆叠条形图中，每个类别都归一化为相同的总长度。各条段的占比为\n\n\\[p_{ij}=\\frac{v_{ij}}{T_i}, \\qquad T_i>0.\\]\n\n这种图形突出相对构成，但如果不另外标注总量，就会掩盖绝对总量的差异。常规的百分比堆叠以各组成部分均为非负值为前提；正负值混合的情况需要采用其他处理方式。\n\n其他变体\n\n发散条形图将数值或回答类别放在中央参考线的两侧，可用于展示相对于目标的偏差，或相互对立的调查回答。\n\n帕累托图将条形按数值从大到小排列，通常还会添加一条累计百分比曲线。相比之下，区间条形图展示的是两个端点之间的区间，而不是从零起算的数值，因此其解读方式不同于普通的数值大小条形图。"
    },
    {
      "heading": "条形图与直方图",
      "text": "条形图应与直方图区分开来。条形图表示不同的类别，而直方图表示数值观测数据在各个区间内的分布。\n\n在常规条形图中，各条形宽度相等，条形之间的间隙有助于区分类别。没有固有顺序的类别可以重新排列。在直方图中，区间的顺序和宽度都有数值含义，相邻区间的矩形通常彼此相接。\n\n两者的区别并不只是有没有间隙。直方图以矩形面积表示频数；当区间宽度不相等时，必须相应调整矩形高度。而在常规条形图中，长度表示数值，宽度不编码另一个变量。\n\n条形图也可以用来展示离散随机变量的概率质量函数。此时，数值结果具有固有顺序，但每个条形仍然表示一个不同的取值结果。"
    },
    {
      "heading": "排序、标度与标注",
      "text": "条形的排列方式会影响哪些比较更容易进行。将无序类别按数值排序可以展示排名；而对于年龄段或评分等级等类别，保留既定顺序则很重要。\n\n普通的数值大小条形图以零为基线，因为读者会将条形长度之比理解为数值之比。截断数值轴可能显著夸大差异：95与100之间的差异约为5.3%，但如果以90为基线绘制条形，两者可见长度之比就会变成一比二。\n\n对数标度会破坏条形长度与数值之间的正比关系。如果确实需要采用这种标度，以点表示数值的图形往往能更清楚地传达信息。\n\n清晰的标注应说明单位、类别以及所作的任何变换。百分比必须有明确的分母，尤其是在各组规模不同时。颜色可以区分数据系列或突出选定类别，但仅靠颜色传达的信息，可能使部分读者难以获取。三维效果、透视和装饰性形状可能扭曲条形的视觉长度，或妨碍比较。"
    },
    {
      "heading": "统计解释与局限",
      "text": "条形往往呈现的是数据的汇总结果，而非单个观测值。表示样本均值的条形可能掩盖偏态、聚集现象、离群值以及离散程度的差异。均值相同的组，分布可能截然不同。箱线图或展示单个观测值的图形，可能揭示条形图无法呈现的特征。\n\n汇总条形可以附带误差线，但必须明确说明其含义。误差线可能表示标准差、标准误或置信区间，三者各自回答不同的问题。仅凭误差线是否重叠，并不能普遍判断差异是否具有统计显著性。\n\n比较结果还取决于图中数量的计算方式。计数差异可能反映的是组规模不同，而非发生率不同。随时间出现的变化，可能源于类别定义或测量方法的改变。不能在不作说明的情况下将缺失数据表示为零。\n\n对于较长的时间序列，折线图通常更便于观察时间变化模式；而对于离散的报告期，或着重比较各期总量的情况，条形图仍然很有用。"
    },
    {
      "heading": "历史发展与用途",
      "text": "威廉·普莱费尔于1786年出版的《商业与政治图集》中，收录了一幅具有重要影响的早期条形图，用于比较苏格兰与不同贸易伙伴之间的进出口额。他的工作推动统计图形成为传达经济信息的一种手段。\n\n此后，条形图成为政府统计、商业报告、科学出版物、教育和新闻报道中的常用图形。常见用途包括展示调查回答、比较人口群体、监测生产情况，以及呈现预算分配。条形图的主要优势在于，通过基线对齐的长度直接比较数值；其主要局限则出现在类别过多、数据系列过多，或潜在变异超出这种简单编码方式所能清楚展示的范围时。"
    }
  ],
  "links": [
    "statistics",
    "data-visualization",
    "pareto-chart",
    "histogram",
    "random-variable",
    "probability-mass-function",
    "sample-mean",
    "box-plot",
    "standard-deviation",
    "standard-error",
    "confidence-interval",
    "time-series"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}