本节介绍用于分类对比与分布展示的图形命令：bar 与 barh 表示离散类别的数值高低；pie 表示各部分占整体的比例；histogram 将连续数据分箱并统计频数。连续变化过程通常用折线图；分组得分、计数等离散类别数据则更适合柱状图。
柱状图：bar
下面用五组竞赛得分画柱状图：每个数对应一根柱，并用组别名称作为横轴刻度。
scores = [78 92 85 63 88];
groups = {'第一组','第二组','第三组','第四组','第五组'};
bar(scores)
set(gca, 'XTickLabel', groups)
ylabel('得分')
title('小组竞赛得分')若不设置 XTickLabel，横轴默认是 1、2、3… 的序号。gca 表示当前坐标区；set(gca, 'XTickLabel', groups) 把刻度文字换成类别名称。柱高对应 scores 中的数值，便于比较各组高低。
水平柱状图：barh
当类别名称较长、横轴不便排列时，可使用水平柱状图 barh，名称沿纵轴展开：
scores = [78 92 85 63 88];
groups = {'第一组','第二组','第三组','第四组','第五组'};
barh(scores)
set(gca, 'YTickLabel', groups)
xlabel('得分')
title('小组竞赛得分')数值改由横轴表示，因此轴标签应写在 xlabel 上，而不是 ylabel。
多组数据对比
% 两行 = 两次测验，五列 = 五个小组
data = [78 92 85 63 88; 82 75 91 70 94];
bar(data)
legend('第一次', '第二次')矩阵的每一列对应一个类别（五个小组），每一行对应一次观测（两次测验）。同一类别下多根柱并排显示，legend 按行解释各组含义。若把矩阵转置后再调用 bar，类别与观测的对应关系会对调，图意会跟着改变，绘图前应先确认哪一维表示类别。
饼图：pie
当需要展示各部分在整体中的占比、且类别不多时，可使用饼图：
parts = [30 25 20 15 10];
pie(parts)
legend({'A','B','C','D','E'})各扇区面积与 parts 中数值成正比。类别较少且比例差异明显时较易阅读；类别过多时扇区拥挤，难以比较细小差别，宜改回柱状图。
直方图：histogram
观察一批连续数值的分布时，使用直方图将数据按区间（箱子）划分，并统计落入各箱的个数：
data = randn(1, 1000); % 标准正态分布随机数
histogram(data, 30) % 分成 30 个区间柱高表示落在该区间内的样本个数，可用于判断数据集中区域与两侧拖尾。第二个参数是箱数：箱过少则形状粗糙，箱过多则柱高起伏变大、不易看出趋势。直方图统计的是连续量的分布，与 bar 按既定类别画高度不是同一类图；随机数的生成见随机数。
本节说明了 bar、barh、pie 与 histogram 的适用情形与基本用法。下一节介绍三维图形：plot3、surf、mesh 与 scatter3。