往期python绘图合集: python绘制简单的折线图 python读取excel中数据并绘制多子图多组图在一张画布上 python绘制带误差棒的柱状图 python绘制多子图并单独显示 python读取excel数据并绘制多y轴图像 python绘制柱状图并美化|不同颜色填充柱子 Python绘制带误差棒的柱状图渐变色填充含数据标注(进阶)

在数据可视化中，有时候需要对数据进行统计检验，比如计算均值、标准差、置信区间等。为了更直观地了解数据的分布情况，我们通常会使用带误差棒的线图来展示数据。

在 Python 中，matplotlib 是一个非常强大的绘图库，它支持多种不同类型的图表，并且可以通过简单的代码实现高质量的数据可视化。本文将介绍如何使用 matplotlib 绘制带误差棒的线图，并且会提供示例代码进行演示。

在开始之前，需要确保已经安装了 matplotlib 库。如果您还没有安装，可以使用以下命令进行安装：

当然，除了 matplotlib 库之外，我们还需要使用 numpy 库来生成随机数，以便演示示例代码。同样地，如果您还没有安装 numpy 库，可以使用以下命令进行安装：

首先，让我们来看一下绘制带误差棒的线图需要用到的 matplotlib 函数：ax.errorbar()。这个函数可以在已有的图表上添加误差棒，以展示数据的变化范围。 下面是 ax.errorbar() 的语法：

其中，参数 x 和 y 分别表示数据的 x 坐标和 y 坐标；参数 yerr 和 xerr 分别表示 y 方向和 x 方向的误差棒大小；参数 fmt 可以设置误差棒的线型、颜色、标记符号等属性；参数 capsize 可以设置误差棒末端的横杠长度。

在这里，我们以绘制两条带误差棒的线图为例，来看一下具体的实现方法。

上述代码中，我使用 Numpy 库生成了两组包含 10 个数据点的随机数据集。其中，y1 对应左 y 轴，y2 对应右 y 轴。

err1 = np.random.normal(1, 0.5, len(x)) 这行代码是用于生成误差棒的数据，其中 np.random.normal() 是 NumPy 库中的方法，用于生成符合正态分布的随机数。

具体来说，这个方法接受三个参数，分别是均值 loc、标准差 scale、以及生成的随机数的个数 size。这个方法的返回值是一个数组，包含指定数量的随机数。

在这行代码中，我使用了均值为 1、标准差为 0.5 的正态分布生成了与数据集 y1 长度相同的 10 个随机数。然后，这些随机数被当作误差棒的“半径”（即误差值），以便在折线图上绘制误差棒。

capsize设置误差棒宽度 接着，我使用 errorbar() 方法绘制误差棒，并使用 twinx() 方法创建第二个坐标轴，ax.grid() 方法的参数修改为 visible=False，这样就可以将网格线设置为不可见。 然后，我设置了坐标轴标签、标题以及使用了双 legend() 方法分别对应两条线。

最后，我设置了坐标轴的字体和字号，并使用 spines 属性和 tick_params() 方法将两个坐标轴的颜色设置得不一致。

分别调用 ax1.plot() 和 ax2.plot() 函数绘制两条折线，并使用 ax1.errorbar() 和 ax2.errorbar() 函数添加误差棒。其中，我们设置了 fmt=‘o’ 表示误差棒末端采用圆形标记符号，color=‘#6D8F18’ 表示误差棒的颜色采用绿色，capsize=5 表示误差棒末端横杠长度为 5。

使用 matplotlib 绘制带误差棒的线图时，只需要使用 ax.errorbar() 函数添加误差棒即可。在具体实现时，可以根据需要设置误差棒的线型、颜色、标记符号、末端横杠长度等属性，以便更好地展示数据的变化范围。