|
目录
1 代误差棒的柱状图简介：
2 绘制图形展示
3 python代码展示
1 代误差棒的柱状图简介：
带误差棒的柱状图（Bar chart with error bars）是一种用于展示数据点及其不确定性范围的可视化工具。在柱状图中，每个柱子代表一个数据点（通常是分类数据或分组数据的平均值），而误差棒则用于表示该数据点的不确定性或误差范围。
误差棒通常包括两个部分：上界和下界。上界表示数据点可能的最大值，而下界表示数据点可能的最小值。这两个值通常基于某种统计估计得出，例如标准误差（standard error）、标准差（standard deviation）或置信区间（confidence interval）。
带误差棒的柱状图在科学、工程、医学和商业等领域中广泛应用，因为它们能够清晰地展示数据的集中趋势以及不确定性范围。这对于评估数据的可靠性、比较不同组之间的差异以及识别潜在的异常值都非常重要。
2 绘制图形展示
3 python代码展示
import numpy as np
import matplotlib.pyplot as plt
# 汉字乱码的解决方法
plt.rcParams["font.sans-serif"] = "SimHei"
# 数据准备
average = [16, 19, 15, 13, 10]
errors_p = np.array([[1, 1, 1.5, 4, 2], [1.5, 2, 3, 4.5, 2]]) # 第一行和第二行分别为上下界误差值
index = np.arange(len(average))
width = 0.5 # 柱状图的宽度
column = ['colunm1', 'colunm2', 'colunm3', 'colunm4', 'colunm5'] # 数据列名
# 绘制数据柱状图
bars_ = plt.bar(index, average, width, color='g')
# 添加标题和轴标签
plt.xlabel('column', fontname='SimHei', fontsize=16)
plt.title('average', fontname='SimHei', fontsize=24)
# x轴刻度位置的列表名称设置
plt.xticks(index + width / 2, column, fontname='SimHei', fontsize=12)
# 添加误差棒
def add_errorbars(bars, errors):
for bar, err_low, err_high in zip(bars, errors[0], errors[1]):
x = bar.get_x() + bar.get_width() / 2
y = bar.get_height()
#yerr格式要为(2,1)
plt.errorbar(x, y, yerr=np.array([[err_low], [err_high]]), fmt='none', ecolor='k', capsize=6, elinewidth=2)
add_errorbars(bars_, errors_p)
plt.show()
|