Varför använda histogram?

Histogram används för att visualisera fördelningen av kontinuerlig (numerisk) data. De visar hur data är fördelad över intervall (bin) och hjälper till att:

• Identifiera skevhet, avvikare eller luckor;
• Förstå frekvensfördelning;
• Snabbt bedöma om datan är normalfördelad eller inte.

De lämpar sig bäst för variabler som pris, körsträcka eller ålder.

Histogram-syntax i ggplot2

Du kan skapa ett histogram med geom_histogram(), där variabeln x måste vara numerisk.

ggplot(data = df, aes(x = variable)) +
  geom_histogram()

Utseendet på histogrammet kan anpassas med argument som bins (antal bin), fill (stapelfärg), color (kantfärg) och theme för stil.

Exempel: Fördelning av försäljningspriser

Ett histogram kan användas för att undersöka hur bilpriser är fördelade i datasettet. I detta exempel är staplarna fyllda med stålblått och har svarta konturer, medan etiketter och ett minimalt tema läggs till för tydlighet.

ggplot(data = df, aes(x = selling_price)) +
  geom_histogram(fill = "steelblue", color = "black") +
  labs(title = "Distribution of Selling Prices",
       x = "Selling Price (in PKR)",
       y = "Count") +
  theme_minimal()

Detta diagram visar den övergripande formen på fördelningen av försäljningspriser, vilket gör det enkelt att se om de flesta bilar hamnar inom ett visst prisspann eller om det finns avvikare i de höga eller låga ändarna.