Seaborn中barplot与regplot置信区间结果不稳定原因咨询

环境信息 #

• 系统：Linux Mint 21
• 开发环境：Spyder 5.3.3（Jupyter Notebook模式）
• Python版本：3.9.16（64位）
• 使用库：Pandas、GeoPandas、seaborn、matplotlib

操作步骤 #

1. 导入Pandas、GeoPandas、seaborn、matplotlib等库
2. 将gpkg文件导入为GeoDataFrame（gdf）
3. 通过参数从原gdf提取数据生成多个新gdf，并存入DataFrame用于后续循环分析
4. 整理两个gdf的关键信息为长格式DataFrame，结合seaborn boxplot与barplot绘图，用barplot展示箱线图上方的95%置信区间，代码如下：

### add CI
ax2= sns.barplot( 
    data=df_plot, x='bez', y="distance_overtaker",
    #palette="Blues", 
    order = pos2,
    alpha=0.0,
    capsize=.1, n_boot=1000, 
    errorbar=('ci', 95),
    errcolor= 'red', #errcolor='.26' =
    errwidth=0.7, 
    ax=ax)

5. 直接使用两个gdf，通过seaborn regplot绘图，代码如下：

for i, row in liste.iterrows():
    sns.regplot(x=krit, y='distance_overtaker', data=row['gdf'], fit_reg=True, x_jitter=0, ci=95, ax=ax, scatter_kws={'alpha':1., 's':1}, label=row['bez'])

问题现象 #

• 执行第4步时，每次运行barplot的误差线（尤其是右侧）都可能不同，无明显规律
• 执行第5步时，每次运行regplot的置信区间带均有细微差异，呈现多种变化形式

原因解析 #

这是因为Seaborn计算置信区间时默认使用自助法（Bootstrapping），这种方法依赖随机抽样估算置信区间：

1. 你的barplot代码显式设置了n_boot=1000，表示用1000次自助抽样计算CI；regplot默认也会使用1000次自助抽样
2. 每次运行代码时，自助抽样的随机样本都不相同，因此计算出的置信区间会存在细微波动
3. 若要固定结果，可在代码开头设置全局随机种子，让每次抽样的随机序列完全一致，示例代码：

import numpy as np
import random

np.random.seed(42)
random.seed(42)

内容的提问来源于stack exchange，提问作者Drödmbüddel