Python 使用seaborn绘制外部数据源的标准偏差
我试图通过seaborn可视化一个线形图,在其中我想绘制一列的平均值和标准偏差。由于我使用的是大文件(有数百万行),因此加载绘图需要一段时间 为了减少计算时间,我预先计算了列的平均值和相应的标准偏差。随后,我使用这个预先计算的数据作为线形图的输入,而不是提供完整的数据帧 这是我目前使用的代码:Python 使用seaborn绘制外部数据源的标准偏差,python,pandas,seaborn,std,Python,Pandas,Seaborn,Std,我试图通过seaborn可视化一个线形图,在其中我想绘制一列的平均值和标准偏差。由于我使用的是大文件(有数百万行),因此加载绘图需要一段时间 为了减少计算时间,我预先计算了列的平均值和相应的标准偏差。随后,我使用这个预先计算的数据作为线形图的输入,而不是提供完整的数据帧 这是我目前使用的代码: df = open_pickle("data/experiment") sns.lineplot(x="rho", y="wait_time_mean&q
df = open_pickle("data/experiment")
sns.lineplot(x="rho", y="wait_time_mean", hue="c", style="service_type", data=df)
这只会显示平均值。我想知道是否可以手动向seaborn提供标准偏差值。
sns.lineplot
返回绘图的轴对象,然后可以用于在其上绘制。假设您的标准偏差也在df
中,您可以通过以下方式调整代码,现在使用matplotlib函数fill\u beetween
:
df = open_pickle("data/experiment")
ax = sns.lineplot(x="rho", y="wait_time_mean", hue="c", style="service_type", data=df)
ax.fill_between(df["rho"], y1=df["wait_time_mean"] - df["wait_time_std"], y2=df["wait_time_mean"] + df["wait_time_std"], alpha=.5)