python绘图系列文章目录
往期python绘图合集:
python绘制简单的折线图
python读取excel中数据并绘制多子图多组图在一张画布上
python绘制带误差棒的柱状图
python绘制多子图并单独显示
python读取excel数据并绘制多y轴图像
python绘制柱状图并美化|不同颜色填充柱子
Python绘制带误差棒的柱状图渐变色填充含数据标注(进阶)
文章目录
- python绘图系列文章目录
- 前言
- 一、准备工作
- 1.1 环境搭建
- 二、 绘制带误差棒的线图
- 1.引入库
- 2.数据生成
- 三、完整代码
- 四、运行结果
前言
在数据可视化中，有时候需要对数据进行统计检验，比如计算均值、标准差、置信区间等。为了更直观地了解数据的分布情况，我们通常会使用带误差棒的线图来展示数据。
在 Python 中，matplotlib 是一个非常强大的绘图库，它支持多种不同类型的图表，并且可以通过简单的代码实现高质量的数据可视化。本文将介绍如何使用 matplotlib 绘制带误差棒的线图，并且会提供示例代码进行演示。
一、准备工作
1.1 环境搭建
在开始之前，需要确保已经安装了 matplotlib 库。如果您还没有安装，可以使用以下命令进行安装：
pip install matplotlib
当然，除了 matplotlib 库之外，我们还需要使用 numpy 库来生成随机数，以便演示示例代码。同样地，如果您还没有安装 numpy 库，可以使用以下命令进行安装：
pip install numpy
二、 绘制带误差棒的线图
首先，让我们来看一下绘制带误差棒的线图需要用到的 matplotlib 函数：ax.errorbar()。这个函数可以在已有的图表上添加误差棒，以展示数据的变化范围。
下面是 ax.errorbar() 的语法：
ax.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None,
capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False,
xuplims=False, errorevery=1, capthick=None, *, data=None, **kwargs)
其中，参数 x 和 y 分别表示数据的 x 坐标和 y 坐标；参数 yerr 和 xerr 分别表示 y 方向和 x 方向的误差棒大小；参数 fmt 可以设置误差棒的线型、颜色、标记符号等属性；参数 capsize 可以设置误差棒末端的横杠长度。
在这里，我们以绘制两条带误差棒的线图为例，来看一下具体的实现方法。
- 首先，我们需要导入 matplotlib 和 numpy 库，并创建两个子图 ax1 和 ax2。
- 然后，我们使用 numpy库生成两组随机数据。
- 最后，我们分别绘制两条折线，并使用 ax.errorbar() 函数添加误差棒。
1.引入库
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
2.数据生成
上述代码中，我使用 Numpy 库生成了两组包含 10 个数据点的随机数据集。其中，y1 对应左 y 轴，y2 对应右 y 轴。
# 生成随机数据
x = np.arange(0, 10, 1)
y1 = np.random.normal(5, 2, len(x))
y2 = np.random.normal(10, 3, len(x))
err1 = np.random.normal(1, 0.5, len(x)) 这行代码是用于生成误差棒的数据，其中 np.random.normal() 是 NumPy 库中的方法，用于生成符合正态分布的随机数。
具体来说，这个方法接受三个参数，分别是均值 loc、标准差 scale、以及生成的随机数的个数 size。这个方法的返回值是一个数组，包含指定数量的随机数。
在这行代码中，我使用了均值为 1、标准差为 0.5 的正态分布生成了与数据集 y1 长度相同的 10 个随机数。然后，这些随机数被当作误差棒的“半径”（即误差值），以便在折线图上绘制误差棒。
ax1.errorbar(x, y1, yerr=err1, fmt='o', color='#6D8F18', markersize=8,capsize=5)
ax2.errorbar(x, y2, yerr=err2, fmt='*', color='#3F7F4C', markersize=8,capsize=5)
capsize设置误差棒宽度
接着，我使用 errorbar() 方法绘制误差棒，并使用 twinx() 方法创建第二个坐标轴，ax.grid() 方法的参数修改为 visible=False，这样就可以将网格线设置为不可见。
然后，我设置了坐标轴标签、标题以及使用了双 legend() 方法分别对应两条线。
最后，我设置了坐标轴的字体和字号，并使用 spines 属性和 tick_params() 方法将两个坐标轴的颜色设置得不一致。
三、完整代码
# -*- coding: utf-8 -*-
"""
Created on Mon May 15 22:59:50 2023
@author: ypzhao
"""
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
# 设置字体和字号
matplotlib.rcParams['font.family'] = 'Times New Roman'
matplotlib.rcParams['font.size'] = 24
font = {'family':'Times New Roman','size':28}
# 创建画布和子图
fig, ax1 = plt.subplots(figsize=(10,6),dpi=300)
ax2 = ax1.twinx()
# 生成随机数据
x = np.arange(0, 10, 1)
y1 = np.random.normal(5, 2, len(x))
y2 = np.random.normal(10, 3, len(x))
# 绘制折线图
ax1.plot(x, y1, color='#6D8F18', label='Line 1')
ax2.plot(x, y2, color='#3F7F4C', label='Line 2')
# 添加误差棒
err1 = np.random.normal(1, 0.5, len(x))
err2 = np.random.normal(1.5, 0.8, len(x))
opacity = 0.8
error_config = {'ecolor': '0.3'}
ax1.errorbar(x, y1, yerr=err1, fmt='o', color='#6D8F18', markersize=8,capsize=5)
ax2.errorbar(x, y2, yerr=err2, fmt='*', color='#3F7F4C', markersize=8,capsize=5)
# 设置坐标轴标签和标题
ax1.set_xlabel('day')
ax1.set_ylabel('pH1', color='#6D8F18')
ax2.set_ylabel('pH2', color='#3F7F4C')
ax1.set_title('Two Lines with Errorbars',font)
# 设置legend的显示样式和字体
ax1.legend(loc=1, prop={'family': 'Times New Roman', 'size': 16})
ax2.legend(loc=2, prop={'family': 'Times New Roman', 'size': 16})
# 设置坐标轴字体和字号
for ax in [ax1, ax2]:
ax.tick_params(axis='both', which='major', labelsize=20)
for tick in ax.get_xticklabels() + ax.get_yticklabels():
tick.set_fontname('Times New Roman')
# 设置网格线不可见
ax1.grid(visible=False)
ax2.grid(visible=False)
# 设置双坐标轴的颜色不一致
ax1.spines['left'].set_color('#6D8F18')
ax1.spines['right'].set_color('#3F7F4C')
ax1.tick_params(axis='y', colors='#6D8F18')
ax2.tick_params(axis='y', colors='#3F7F4C')
plt.show()
分别调用 ax1.plot() 和 ax2.plot() 函数绘制两条折线，并使用 ax1.errorbar() 和 ax2.errorbar() 函数添加误差棒。其中，我们设置了 fmt=‘o’ 表示误差棒末端采用圆形标记符号，color=‘#6D8F18’ 表示误差棒的颜色采用绿色，capsize=5 表示误差棒末端横杠长度为 5。
使用 matplotlib 绘制带误差棒的线图时，只需要使用 ax.errorbar() 函数添加误差棒即可。在具体实现时，可以根据需要设置误差棒的线型、颜色、标记符号、末端横杠长度等属性，以便更好地展示数据的变化范围。
四、运行结果
