如何用Matplotlib绘制带分类颜色的误差条形图并添加±σ水平线？

直接上完整可运行的代码，你可以替换成自己的DataFrame直接使用：

import matplotlib.pyplot as plt
import pandas as pd
from matplotlib.patches import Patch

# 构造你的示例数据（实际使用时替换成自己的DataFrame）
data = {
    'error': [0.1, 0.4, 0.1, -0.2, -0.1],
    'sample_id': [1, 2, 3, 4, 5],
    'category': ['A', 'A', 'B', 'B', 'C']
}
df = pd.DataFrame(data)

# 给每个分类分配专属颜色，可根据喜好自定义
color_map = {
    'A': '#1f77b4',  # 蓝色
    'B': '#ff7f0e',  # 橙色
    'C': '#2ca02c'   # 绿色
}
# 为每个样本匹配对应的颜色
bar_colors = df['category'].map(color_map)

# 创建绘图对象
fig, ax = plt.subplots(figsize=(8, 4))

# 绘制带分类颜色的误差条形图
ax.bar(df['sample_id'], df['error'], color=bar_colors)

# 添加±σ水平线（σ=0.3）
sigma = 0.3
ax.axhline(y=sigma, color='red', linestyle='--', label=f'+σ ({sigma})')
ax.axhline(y=-sigma, color='red', linestyle='--', label=f'-σ ({-sigma})')

# 设置图表标签和标题
ax.set_xlabel('样本ID')
ax.set_ylabel('误差值 (target - prediction)')
ax.set_title('样本误差分布（按分类着色）')

# 添加分类颜色的图例（因为默认图例只显示水平线，手动补充分类图例）
legend_elements = [Patch(facecolor=color_map[cat], label=cat) for cat in color_map]
ax.legend(handles=legend_elements + ax.get_legend_handles_labels()[0], loc='upper right')

# 自动调整布局，避免标签被截断
plt.tight_layout()
plt.show()

关键步骤说明 #

1. 颜色映射与匹配
   先定义一个字典color_map，把每个category和对应颜色绑定，再用df['category'].map(color_map)快速给每个样本分配颜色，这是实现分类着色的核心。

2. 绘制带颜色的条形图
   调用ax.bar()时，传入color=bar_colors参数即可让每个条形按所属分类显示对应颜色。

3. 完善图例
   因为axhline已经生成了水平线的图例，所以需要手动创建分类颜色的图例元素（用Patch），再把两者合并到同一个图例里，确保所有信息都清晰展示。

4. 其他细节
   用figsize调整图表大小，tight_layout()避免标签被截断，这些都是让图表更美观的小技巧。

内容的提问来源于stack exchange，提问作者Square