根据sklearn中的波士顿房价数据，画出不同变量在不同值之间的分布直方图

在sklearn库中，有一个经典的数据集叫做波士顿房价数据集(Boston Housing Dataset)，它包含了14种特征描述了波士顿地区的房屋情况，以及对应的房价。要画出不同变量（即特征）在不同值范围内的分布直方图，可以按照以下步骤操作：

1. 首先，需要导入必要的库，如`numpy`, `pandas`, 和 `matplotlib`，以及 `sklearn.datasets` 来加载数据。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston

2. 加载波士顿房价数据集并转换为DataFrame方便处理。

boston = load_boston()
df_boston = pd.DataFrame(boston.data, columns=boston.feature_names)

3. 对每个特征（列），绘制直方图。这里我们选取其中一个例子，例如`RM`（房间数）：

feature_to_plot = 'RM'
plt.figure(figsize=(8, 6))
plt.hist(df_boston[feature_to_plot], bins=20, edgecolor='black')
plt.xlabel('Rooms per dwelling')
plt.ylabel('Frequency')
plt.title(f'Distribution of {feature_to_plot} in Boston Housing Data')
plt.show()

你可以遍历所有特征名，为每个特征都绘制一张直方图。如果你想比较它们之间的差异，可以在同一个图形中堆叠或并排放置直方图。