Python 多重置信区间

我正在用Python处理pandas库。假设我有四个从正态分布中随机抽取的样本，方法如下：

np.random.seed(12345)

df = pd.DataFrame([np.random.normal(32000,20000,3650), 
                   np.random.normal(43000,10000,3650), 
                   np.random.normal(43500,14000,3650), 
                   np.random.normal(48000,7000,3650)], 
                  index=[1992,1993,1994,1995])

我想得到每个样本的95%置信区间，因此我计算：

mean_value=df.mean(axis=1)
std_value=df.std(axis=1,ddof=0)
lower_bound=mean_value-1.96*std_value
upper_bound=mean_value+1.96*std_value
diff = upper_bound-lower_bound

对于每个置信区间，我想把它分成11个等距区间。我有如下想法：

low=lower_bound.values[1]
high=upper_bound.values[1]
diff=0.09*diff.values[1]
np.arange(low,high,diff)

---

这不太有效，因为切割间隔不在置信区间的上端结束。如何获得等间距间隔

我不太确定您想要什么，但是使用NumPy的

linspace

函数很容易获得等间隔。以下是第一次分发的11个间隔

np.linspace(lower_bound.values[0], upper_bound.values[0], 12)
array([ -7.18705879e+03,  -3.82825067e+01,   7.11049377e+03,
         1.42592701e+04,   2.14080463e+04,   2.85568226e+04,
         3.57055989e+04,   4.28543752e+04,   5.00031514e+04,
         5.71519277e+04,   6.43007040e+04,   7.14494803e+04])

---

可能与我编辑的问题重复，以消除重叠。