matplotlib学习日记（七）---误差棒图

（一）误差棒图----误差置信区间的表示

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 0.6, 10)
y = np.exp(x)

error = 0.05 + 0.15*x

lower_error = error
upper = 0.3*error
error_limit = [lower_error, upper]

plt.errorbar(x, y, yerr=error_limit, fmt=":o", ecolor="y", elinewidth=4,
             ms=5, mfc="c", mec="r", capsize=7, capthick=8)
'''
yerr---->单一数值的非对称形式误差范围
fmt----->数据点的标记样式和数据点标记的连接线样式
ecolor----->误差棒的颜色
elinewidth----->误差棒的线条粗细
ms-------->数据点的大小
mfc，mec------->数据点的标记颜色，数据点的标记边缘颜色
capthick------->误差棒边界横杠的厚度
capsize--------->误差棒边界横杠的大小
'''
plt.xlim(0, 0.7)
plt.show()

（二）带误差棒的柱状图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams["font.sans-serif"] = ["LiSu"]
mpl.rcParams["axes.unicode_minus"] = False
x = np.arange(5)
y = [100, 68, 79, 91, 82]
std_err = [4, 2, 6, 10, 5]

error_attri = dict(elinewidth = 2, ecolor="black", capsize = 3)

plt.bar(x, y, color = "c", width=0.6, align="center",
        yerr = std_err, error_kw=error_attri, tick_label=["园区1", "园区2", "园区3", "园区4", "园区5"])
'''
带误差棒的柱状图的关键要点在于函数bar（）中关键字参数yerr的使用，
误差棒的属性和属性值的控制都由关键字error_kw控制
'''
plt.xlabel("芒果种植区")
plt.ylabel("收割量")

plt.title("不同芒果种植区的单次收割量")
plt.grid(True, axis="y", ls=":", lw=1, color="gray", alpha=.2)
plt.show()

（三）带误差棒的条形图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams["font.sans-serif"] = ["LiSu"]
mpl.rcParams["axes.unicode_minus"] = False
x = np.arange(5)
y = [1200, 2400, 1800, 2200, 1600]
std_err = [150, 100, 180, 130, 80]

bar_width = 0.6

colors = ["#e41a1c", "#377eb8", "#4daf4a", "#984ea3", "#ff7f00"]

plt.barh(x, y, bar_width, color = colors, align="center",
        xerr = std_err, tick_label=["家庭", "小说", "心理", "科技", "儿童"])
'''
带误差棒的柱状图的关键要点在于函数bar（）中关键字参数yerr的使用，
误差棒的属性和属性值的控制都由关键字error_kw控制
'''
plt.xlabel("订购数量")
plt.ylabel("图书种类")

plt.title("大型图书展销会的不同图书种类的采购情况")
plt.grid(True, axis="x", ls=":", color="gray", alpha=.2)
plt.xlim(0, 2600)
plt.show()