硬编码置信区间作为条形图中的胡须

Question

因此，我计算了一组具有正态分布的数据的置信区间，我想将其绘制为数据均值条形图上的须线。我尝试对 plt.bar 使用 yerr 参数，但它计算的是标准偏差误差而不是置信区间。我想要条形图上相同的晶须可视化。 我的置信区间是：

[(29600.87 , 39367.28 ), (37101.74, 42849.60), (33661.12, 41470.25), (46019.20, 49577.80)]

这是我的代码，我尝试为 yerr 参数提供置信水平，但效果不佳。

means=[np.mean(df.iloc[x]) for x in range(len(df.index))]

CI=[st.t.interval(0.95, len(df.iloc[x])-1, loc=np.mean(df.iloc[x]), scale=st.sem(df.iloc[x])) for x in range(len(df.index))]

plt.figure()

plt.bar(x_axis, means, color='r',yerr=np.reshape(CI,(2,4))

plt.xticks(np.arange(1992,1996,1))

这是我得到的情节：

Answer 1

以下应该做你想做的（假设你的错误是对称的；如果不是，那么你应该使用@ImportanceOfBeingErnest 的答案）；情节如下所示：

使用一些内联 cmets 生成它的代码：

import matplotlib.pyplot as plt

# rough estimates of your means; replace by your actual values
means = [34500, 40000, 37500, 47800]

# the confidence intervals you provided
ci = [(29600.87, 39367.28), (37101.74, 42849.60), (33661.12, 41470.25), (46019.20, 49577.80)]

# get the range of the confidence interval
y_r = [means[i] - ci[i][1] for i in range(len(ci))]
plt.bar(range(len(means)), means, yerr=y_r, alpha=0.2, align='center')
plt.xticks(range(len(means)), [str(year) for year in range(1992, 1996)])
plt.show()

Answer 2

bar 的 yerr 参数可用于将错误绘制为错误栏。误差被定义为与某个值的偏差，即通常以y ± err 的形式给出数量。这意味着置信区间将为(y-err, y+err)。
这可以倒置；给定置信区间(a, b) 和值y，错误将是y-a 和b-y。

在 matplotlib 条形图中，错误格式可以是 scalar | N, Nx1 or 2xN array-like。由于我们无法事先知道y 值是否在区间内对称，并且由于不同的实现（条形）可能不同，因此我们需要在此处选择2 x N 格式。

下面的代码展示了如何做到这一点。

import numpy as np
import matplotlib.pyplot as plt

# given some mean values and their confidence intervals,
means = np.array([30, 100, 60, 80])
conf  = np.array([[24, 35],[90, 110], [52, 67], [71, 88]])

# calculate the error
yerr = np.c_[means-conf[:,0],conf[:,1]-means ].T
print (yerr) # prints [[ 6 10  8  9]
             #         [ 5 10  7  8]]

# and plot it on a bar chart
plt.bar(range(len(means)), means, yerr=yerr)
plt.xticks(range(len(means)))
plt.show()