柱状图:带误差棒

误差棒可以表示样本标准差,也可以表示样本标准误。


导入库:

import pandas as pd

自定义用来绘制带误差棒(样本标准差、样本标准误)的柱状图:

def col(y, x, df, errprbar='std', face=False) :   
    if not face:
        print(ggplot(df.groupby([x])[y]\
                       .agg(['mean','std', 'sem']).reset_index(),
                     aes(y='mean', x=x))
          + geom_errorbar(aes(ymin=f'mean - {errprbar}', 
                               ymax=f'mean + {errprbar}'), 
                          width=.2 )
          + geom_col()     
          + labs(y=y,x=x)
          + theme_bw()
          + theme(axis_text_x=element_text(angle=45))  )
    else:  
        print(ggplot(df.groupby([x,face])[y]\
                       .agg(['mean','std', 'sem']).reset_index(),
                     aes(y='mean', x=x))
          + geom_errorbar(aes(ymin=f'mean - {errprbar}', 
                          ymax=f'mean + {errprbar}'), 
                          width=.2 )
          + geom_col()  
          + labs(y=y,x=x)
          + theme_bw()
          + facet_wrap(f' ~ {face}')
          + theme(axis_text_x=element_text(angle=45))  )

导入待分析的df:

df = pd.DataFrame({'age': [25, 30, 35, 40, 45, 27, 33, 38, 42, 50],
                   'sex': ['Male', 'Female', 'Male', 'Female', 'Male', 'Female', 'Male', 'Female', 'Male', 'Female'],
                   'group': ['A', 'B', 'A', 'B', 'A', 'A', 'B', 'A', 'B', 'A']})

# df为:
   age     sex group
0   25    Male     A
1   30  Female     B
2   35    Male     A
3   40  Female     B
4   45    Male     A
5   27  Female     A
6   33    Male     B
7   38  Female     A
8   42    Male     B
9   50  Female     A

一、不分面

(一)误差棒表示样本标准差

col('age', 'group', df) # 默认标准差
col('age', 'group', df, errprbar='std', face=False)
# 以上代码输出一样:


(二)误差棒表示样本标准误

col('age', 'group', df, errprbar='sem')
col('age', 'group', df, errprbar='sem', face=False)


二、分面

(一)误差棒表示样本标准差

col('age', 'group', df, face='sex') # 默认误差棒表示样本标准差
col('age', 'group', df, face='sex', errprbar='std')

# 以上代码输出一样:


(二)误差棒表示样本标准误

col('age', 'group', df, face='sex', errprbar='sem')

好的,针对你的问题,可以使用Python的数据分析库Pandas和可视化库Matplotlib进行处理。 首先,需要导入Pandas和Matplotlib库: ``` import pandas as pd import matplotlib.pyplot as plt ``` 然后,读取数据并使用Pandas进行数据分析和处理。例如,假设我们有一个名为data的数据表,其中包含四列数据x、y、z、e(e为误差): ``` data = pd.read_csv('data.csv') ``` 接下来,可以使用Matplotlib库中的subplot函数将多个图表分栏显示。例如,如果我们想要将普通柱状图、条形图、并列柱状图和堆积柱状图四个图表分别绘制在四个子图中,并且每个图表都带有误差,可以使用如下代码: ``` # 普通柱状图 ax1 = plt.subplot(2, 2, 1) ax1.bar(data['x'], data['y'], yerr=data['e'], capsize=4) ax1.set_xlabel('x') ax1.set_ylabel('y') ax1.set_title('Bar plot with error bars') # 条形图 ax2 = plt.subplot(2, 2, 2) ax2.barh(data['x'], data['y'], xerr=data['e'], capsize=4) ax2.set_xlabel('y') ax2.set_ylabel('x') ax2.set_title('Horizontal bar plot with error bars') # 并列柱状图 ax3 = plt.subplot(2, 2, 3) ax3.bar(data.index - 0.2, data['y'], width=0.4, yerr=data['e'], capsize=4) ax3.bar(data.index + 0.2, data['z'], width=0.4, yerr=data['e'], capsize=4) ax3.set_xticks(data.index) ax3.set_xticklabels(data['x']) ax3.set_xlabel('x') ax3.set_ylabel('y / z') ax3.set_title('Grouped bar plot with error bars') # 堆积柱状图 ax4 = plt.subplot(2, 2, 4) ax4.bar(data['x'], data['y'], yerr=data['e'], capsize=4) ax4.bar(data['x'], data['z'], bottom=data['y'], yerr=data['e'], capsize=4) ax4.set_xlabel('x') ax4.set_ylabel('y / z') ax4.set_title('Stacked bar plot with error bars') plt.tight_layout() plt.show() ``` 在上面的代码中,我们首先创建一个包含四个子图的画布,并对每个子图进行设置。对于每个图表,我们都使用了误差柱状图、条形图、并列柱状图和堆积柱状图。其中,yerr表示y轴方向上的误差,xerr表示x轴方向上的误差,capsize表示误差的宽度。在绘制并列柱状图时,我们使用了两个相邻的柱子分别表示y和z列数据,并使用了data.index - 0.2和data.index + 0.2来调整柱子的位置。在绘制堆积柱状图时,我们使用了bottom参数来设置第二个柱子的位置。 最后,使用plt.tight_layout()函数可以自动调整子图之间的间距,使得图表更加美观。使用plt.show()函数显示图像。 希望这个回答对你有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值