matplotlib可视化番外篇bar()--带误差棒的柱状图

本节主要分2个内容:1. 实现对柱状图添加误差棒; 2. 实现并列型带误差棒柱状图

1. 实现对柱状图添加误差棒,bar()篇内容官方bar()文档柱状图参数详情

补充参数信息
xerr, yerr: 分别针对水平、垂直型误差
error_kw: 设置误差记号的相关参数,包括elinewidth设置线型粗细,ecolor设置颜色,capsize设置顶部横线大小

最简的实现
import matplotlib.pyplot as plt

x=[1,2,3,4,5]
#数据集
y=[20,44,21,64,46]
#误差列表
std_err=[1,2,5,3,2]

error_params=dict(elinewidth=4,ecolor='coral',capsize=5)#设置误差标记参数
#绘制柱状图,设置误差标记以及柱状图标签
plt.bar(x,y,color=['b','g','yellow','orange','gray'],yerr=std_err,error_kw=error_params,\
                    tick_label=['blue','green','yellow','orange','gray'])
#显示图形
plt.show()

显示效果

误差柱状图
在现实数据中往往正向差异和负向差异不一样,这个时候的解决办法是将yerr修改为一个[2,N]的数组,如上例中,将std_err修改为[(1,2,5,3,2),(1,1,1,1,1)],其效果如下:
修改yerr参数
图中可看出误差列表顺序为[负向误差,正向误差]。

2. 并列型带误差棒柱状图

实现思路:1. 两个数据集,两个误差棒;2. 分别对误差棒进行设置。

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(5)
#数据集
y1=[20,44,21,64,46]
y2=[10,37,24,41,40]
#误差列表
std_err1=[1,2,5,3,2]
std_err2=[2,4,3,1,2]
tick_label=['blue','green','yellow','orange','gray']

error_params1=dict(elinewidth=3,ecolor='crimson',capsize=4)#设置误差标记参数
error_params2=dict(elinewidth=3,ecolor='blueviolet',capsize=4)#设置误差标记参数
#设置柱状图宽度
bar_width=0.4
#绘制柱状图,设置误差标记以及柱状图标签
plt.bar(x,y1,bar_width,color=['b','g','yellow','orange','gray'],yerr=std_err1,error_kw=error_params1,label='tag A')
plt.bar(x+bar_width,y2,bar_width,color=['b','g','yellow','orange','gray'],yerr=std_err1,error_kw=error_params2,label='tag B')

plt.xticks(x+bar_width/2,tick_label)#设置x轴的标签
#设置网格
plt.grid(True,axis='y',ls=':',color='r',alpha=0.3)
#显示图例
plt.legend()
#显示图形
plt.show()

效果如下

并列型带误差棒柱状图
其中,关于网格的设置可参考网格设置,其中axis参数是设置显示哪个方向的网格,可选{'both' (default), 'x', or 'y'},上图设置为'y'。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,425评论 4 361
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,058评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,186评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,848评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,249评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,554评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,830评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,536评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,239评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,505评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,004评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,346评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,999评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,060评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,821评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,574评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,480评论 2 267

推荐阅读更多精彩内容