在Matplotlib中为误差棒图设置自定义置信区间的问题

数据集 #

import pandas as pd

mydf = pd.DataFrame({'Feature':['Pysch','Physio'],'log_or':[0.3126,0.2022],'se':[0.0712,0.0568], 'conf_low':[0.1729,0.0907], 'conf_high':[0.4522, 0.3136]})
mydf = mydf.sort_values(by='log_or')
# 排序后的数据：
#    Feature  log_or      se  conf_low  conf_high
# 1   Physio  0.2022  0.0568    0.0907     0.3136
# 0   Pysch   0.3126  0.0712    0.1729     0.4522

问题分析 #

用se设置xerr的错误原因 #

matplotlib的xerr/yerr参数直接传入标准误（se）时，会默认绘制对称误差区间（即log_or ± se*1.96，对应95%置信区间），但你已经有预计算好的conf_low和conf_high，即使数值接近，也会和预计算区间存在细微差异，导致结果不符合预期。

自定义区间代码出错的常见原因 #

很多人直接将[conf_low, conf_high]传入xerr，这是错误的：matplotlib要求不对称误差传入2×N的数组，第一行是均值到下界的差值（log_or - conf_low），第二行是上界到均值的差值（conf_high - log_or）。如果直接传入原始置信区间值，matplotlib会把这些值当成误差的绝对值，而非相对于均值的偏移，自然会得到错误的误差区间。

正确实现代码 #

import matplotlib.pyplot as plt

# 计算不对称误差的偏移量
xerr = [
    mydf['log_or'] - mydf['conf_low'],  # 左误差：均值到下界的距离
    mydf['conf_high'] - mydf['log_or']   # 右误差：上界到均值的距离
]

# 绘制横向误差棒图
plt.figure(figsize=(8, 4))
plt.errorbar(
    x=mydf['log_or'], 
    y=mydf['Feature'], 
    xerr=xerr, 
    fmt='o',          # 数据点样式
    capsize=5         # 误差棒帽的长度
)
plt.xlabel('log(OR)')
plt.ylabel('Feature')
plt.title('误差棒图（使用预计算置信区间）')
plt.show()

这段代码会准确使用你预计算的conf_low和conf_high绘制误差区间，误差棒的左右范围完全匹配给定的置信区间。

内容的提问来源于stack exchange，提问作者Alexis