Matplotlib多样本时序误差图报错及Pandas绘图问题求助

我是Matplotlib新手，想用来替代Prism提高效率，但操作全报错。手里有个DataFrame「final」，包含163个时间点、18组三联重复样本，需要绘制每个样本的时序均值曲线，同时加上标准差误差棒。

• 用plt.errorbar时触发ValueError: too many values to unpack (expected 1)，转Numpy数组也没用；
• 改用Pandas的mean.plot(yerr=std)能出图，但没法改坐标轴；给mean加上x轴时间列并设为索引后，误差棒直接消失，还得保留每个样本的名称。

错误原因分析 #

1. plt.errorbar报错原因：
   plt.errorbar默认只接受一维的x、y数据，你传入的insert是DataFrame，mean是包含18列的多列DataFrame，直接传入会导致维度不匹配，所以报错。
2. Pandas plot误差棒消失原因：
   你给mean插入Elapsed列并设为索引后，mean的索引变成了时间值，但std还是原来的默认整数索引，两者结构不匹配，Pandas无法对应上误差数据，所以误差棒消失。

解决方案 #

方法一：用Matplotlib的plt.errorbar循环绘制每一列

把x轴数据转成一维数组，遍历mean的每一列分别绘制曲线和误差棒，同时保留样本名称作为标签：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 假设final是你的原始DataFrame，insert是含163个时间点的DataFrame
mean = final.groupby(np.arange(len(final.columns))//3, axis=1).mean()
std = final.groupby(np.arange(len(final.columns))//3, axis=1).std()

# 把x轴时间转成一维数组
x = insert.values.flatten()

# 遍历每一列，绘制曲线和误差棒
for col_name in mean.columns:
    plt.errorbar(x, mean[col_name], yerr=std[col_name], label=col_name, capsize=3)

# 设置坐标轴和图例
plt.xlabel("Elapsed Time")
plt.ylabel("Mean Value")
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')  # 图例放外侧避免遮挡
plt.tight_layout()
plt.show()

方法二：用Pandas plot同步处理索引或指定x轴

方式1：直接指定x轴（不修改原结构）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

mean = final.groupby(np.arange(len(final.columns))//3, axis=1).mean()
std = final.groupby(np.arange(len(final.columns))//3, axis=1).std()

# 直接指定x轴为时间值，传入误差棒数据
ax = mean.plot(yerr=std, x=insert.values.flatten(), capsize=3)

# 修改坐标轴标签
ax.set_xlabel("Elapsed Time")
ax.set_ylabel("Mean Value")
plt.tight_layout()
plt.show()

方式2：同步设置mean和std的索引

如果一定要把时间设为索引，需要让std和mean的索引保持一致：

# 给mean添加时间索引
mean.insert(0, "Elapsed", insert.values.flatten(), True)
mean.set_index("Elapsed", inplace=True)

# 给std设置和mean相同的索引
std.index = mean.index

# 绘图，误差棒正常显示
ax = mean.plot(yerr=std, capsize=3)
ax.set_xlabel("Elapsed Time")
ax.set_ylabel("Mean Value")
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Dogz