在数据可视化中，置信区间是展示数据不确定性的重要工具。本文将介绍如何使用 Python 绘制带有置信区间的图形。
一、准备工作
首先，我们需要安装必要的库。除了基础的 matplotlib 和 numpy，我们还需要 seaborn 来简化绘图过程。
pip install matplotlib numpy seaborn
二、基础示例：使用 Matplotlib 绘制置信区间
我们先从最基础的 matplotlib 开始，手动计算并绘制置信区间。
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
# 设置随机种子以保证结果可复现
np.random.seed(42)
# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.2, 100)
# 计算均值和标准误
mean_y = np.mean(y)
std_err = stats.sem(y)
# 计算95%置信区间
confidence = 0.95
degrees_freedom = len(y) - 1
t_score = stats.t.ppf((1 + confidence) / 2, degrees_freedom)
margin_error = t_score * std_err
ci_lower = mean_y - margin_error
ci_upper = mean_y + margin_error
# 创建图形
plt.figure(figsize=(10, 6))
plt.plot(x, y, 'o', alpha=0.5, label='数据点')
plt.axhline(mean_y, color='red', linestyle='--', label=f'均值: {mean_y:.2f}')
plt.fill_between(x, ci_lower, ci_upper, color='red', alpha=0.2, label=f'{int(confidence*100)}% 置信区间')
# 添加图例和标签
plt.legend()
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('使用Matplotlib绘制置信区间')
plt.grid(True, alpha=0.3)
plt.show()三、进阶示例：使用 Seaborn 绘制置信区间
Seaborn 提供了更简洁的 API 来自动计算和绘制置信区间。
import seaborn as sns
import pandas as pd
# 准备数据
data = pd.DataFrame({
'x': x,
'y': y
})
# 使用seaborn绘制带置信区间的线图
plt.figure(figsize=(10, 6))
sns.lineplot(data=data, x='x', y='y', err_style='band', ci=95)
plt.title('使用Seaborn绘制置信区间')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True, alpha=0.3)
plt.show()四、分组数据的置信区间
对于分组数据，我们可以比较不同组的置信区间。
# 生成分组数据
categories = ['A', 'B', 'C']
values = [np.random.normal(i, 1, 50) for i in range(3)]
grouped_data = pd.DataFrame({
'category': np.repeat(categories, 50),
'value': np.concatenate(values)
})
# 绘制分组数据的置信区间
plt.figure(figsize=(10, 6))
sns.pointplot(data=grouped_data, x='category', y='value', capsize=0.1, ci=95)
plt.title('分组数据的置信区间')
plt.xlabel('类别')
plt.ylabel('值')
plt.grid(True, alpha=0.3)
plt.show()五、自定义置信区间样式
我们可以通过参数调整置信区间的外观。
plt.figure(figsize=(10, 6))
sns.lineplot(data=data, x='x', y='y',
err_style='band',
ci=95,
n_boot=1000, # 自助采样次数
err_kws={'alpha': 0.3, 'edgecolor': 'black'}) # 置信区间样式
plt.title('自定义置信区间样式')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True, alpha=0.3)
plt.show()六、注意事项
样本量较小时，置信区间可能不准确
异常值会显著影响置信区间的计算
选择合适的置信水平（常用95%）
考虑使用自助法(bootstrap)处理非正态分布数据
通过以上方法，你可以灵活地在 Python 中绘制各种样式的置信区间图形，帮助更好地展示数据的不确定性。