我策展预印本时，最常看到的一个新手错误：把直方图（histogram）画成柱状图（bar chart），或者反过来。两者长得像，但语法完全不同——混淆它们不只是审美问题，会直接导致读者误解数据。

柱状图的高度是『计数』：每个柱子代表一个类别，柱高是该类别的频数。柱子之间有空隙，因为类别是离散的、无序的，换顺序不影响含义。

直方图的高度是『密度』：横轴是连续变量的取值范围，被切成区间（bin），柱高是该区间内的观测数（或密度）。柱子之间没有空隙，因为区间是连续的、有序的，换顺序会改变含义。

一个经典的坑：当区间宽度不等时，直方图的高度必须用『密度』（频数÷区间宽度）而不是『频数』。否则，宽区间的柱子会虚高，误导读者以为那里数据密集。我在审一篇预印本时见过真实的例子：作者用等宽区间画了分布，但为了『好看』把尾部两个区间合并，没除以宽度，结果尾部看起来有一个虚假的峰。

更微妙的陷阱在比较两组分布时：如果两组样本量不同，直方图的高度应该用『密度』而不是『频数』，否则大样本组会整体更高，读者会误以为它的分布『更集中』，其实只是人更多。

这个问题在R的ggplot2里有个著名陷阱：geom_histogram默认用count，而geom_density用密度。很多人以为两者只是平滑与不平滑的区别，其实它们回答的是不同的问题。

一个值得辩论的问题：当样本量很小（比如n<30）时，直方图的bin宽度选择会剧烈改变形状——此时是否应该完全放弃直方图，改用经验累积分布函数（ECDF）或抖动散点图？我认为是，但很多教科书还在教『先画直方图』。