Matplotlib 如何在seaborn线型图中使用自定义错误栏

我正在使用

seaborn.lineplot

生成一些时间序列图。我在两个列表中预先计算了一种特定类型的错误条，例如，

upper=[1,2,3,4,5]lower=[0,1,2,3,4]

。有没有一种方法可以在这里自定义错误栏，而不是在

lineplot

中使用CI或Std错误栏？

是的，seaborn只是在幕后使用matplotlib，这样你基本上可以做任何你想做的事，包括使用matplotlib的

plt.errorbar

添加您自己的自定义errorbar，或者如果您想

话虽如此，你或许可以先尝试调整seaborn的选项。以我的经验，它提供了一个非常广泛的定制面板，并具有制作非常整洁的视觉效果的优势

如果您对seaborn不满意，但不想深入matplotlib API，另一种选择是使用seaborn创建错误栏，然后在方便的时候调整它们（如我所说，它们只是matplotlib对象）

---

如果您提供一个更具体的示例，我可能能够提供更多帮助。如果您想要错误带/条，而不是

seaborn.lineplot提供的错误带/条，您必须自己绘制它们。下面是几个示例，说明如何在matplotlib中绘制错误带和错误条，并获得与seaborn中类似的绘图。它们是使用作为熊猫数据框架导入的功能磁共振样本数据集构建的，并且基于屏幕上seaborn文档中显示的一个示例

该数据集包含一个名为timepoint的时间变量，在19个时间点中的每个时间点上对信号进行56次测量。我使用默认估计值，即平均值。为了简单起见，我没有使用平均值标准误差的置信区间作为不确定度的度量（也称为误差），而是使用每个时间点测量值的标准偏差。这是通过传递
ci='sd'
在
lineplot
中设置的，误差扩展到平均值每侧的一个标准偏差（即对称）。以下是seaborn线型图的外观，带有错误标注栏（默认情况下）：


现在，让我们假设我更喜欢有一个误差带，它跨越平均值每边每个时间点测量值的半个标准偏差。由于调用
lineplot
函数时无法设置此首选项，据我所知，最简单的解决方案是使用matplotlib从头开始创建绘图

# Matplotlib plot with custom error band

# Define variables to plot
y_mean = df.groupby('timepoint').mean()['signal']
x = y_mean.index

# Compute upper and lower bounds using chosen uncertainty measure: here
# it is a fraction of the standard deviation of measurements at each
# time point based on the unbiased sample variance
y_std = df.groupby('timepoint').std()['signal']
error = 0.5*y_std
lower = y_mean - error
upper = y_mean + error

# Draw plot with error band and extra formatting to match seaborn style
fig, ax = plt.subplots(figsize=(9,5))
ax.plot(x, y_mean, label='signal mean')
ax.plot(x, lower, color='tab:blue', alpha=0.1)
ax.plot(x, upper, color='tab:blue', alpha=0.1)
ax.fill_between(x, lower, upper, alpha=0.2)
ax.set_xlabel('timepoint')
ax.set_ylabel('signal')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()


如果希望有错误条，则seaborn线型图如下所示：

# Draw seaborn lineplot with error bars based on the standard deviation
fig, ax = plt.subplots(figsize=(9,5))
sns.lineplot(data=df, x="timepoint", y="signal", ci='sd', err_style='bars')
sns.despine()
plt.show()


以下是如何使用自定义错误栏获得与matplotlib相同类型的打印：

# Matplotlib plot with custom error bars

# If for some reason you only have lists of the lower and upper bounds
# and not a list of the errors for each point, this seaborn function can
# come in handy:
# error = sns.utils.ci_to_errsize((lower, upper), y_mean)

# Draw plot with error bars and extra formatting to match seaborn style
fig, ax = plt.subplots(figsize=(9,5))
ax.errorbar(x, y_mean, error, color='tab:blue', ecolor='tab:blue')
ax.set_xlabel('timepoint')
ax.set_ylabel('signal')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()

# Note: in this example, y_mean and error are stored as pandas series
# so the same plot can be obtained using this pandas plotting function:
# y_mean.plot(yerr=error)


Matplotlib文档：

熊猫文档：
FYI：彻底回答问题很费时。如果你的问题得到了解决，那就接受最符合你需要的解决方案来表示感谢。这个✔ 低于▲/▼ 箭头，在答案的左上角。如果出现更好的解决方案，则可以接受新的解决方案。你也可以用以下方式投票决定答案的有用性：▲/▼ 阿罗，如果你有15+的声望。如果解决方案不能回答问题，请留下评论。非常感谢。
# Draw seaborn lineplot with error bars based on the standard deviation
fig, ax = plt.subplots(figsize=(9,5))
sns.lineplot(data=df, x="timepoint", y="signal", ci='sd', err_style='bars')
sns.despine()
plt.show()

# Matplotlib plot with custom error bars

# If for some reason you only have lists of the lower and upper bounds
# and not a list of the errors for each point, this seaborn function can
# come in handy:
# error = sns.utils.ci_to_errsize((lower, upper), y_mean)

# Draw plot with error bars and extra formatting to match seaborn style
fig, ax = plt.subplots(figsize=(9,5))
ax.errorbar(x, y_mean, error, color='tab:blue', ecolor='tab:blue')
ax.set_xlabel('timepoint')
ax.set_ylabel('signal')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()

# Note: in this example, y_mean and error are stored as pandas series
# so the same plot can be obtained using this pandas plotting function:
# y_mean.plot(yerr=error)