如何为seaborn中的displot图表添加误差棒

sns.displot没有内置误差棒绘制接口，你可以通过提取直方图的分箱、计数数据后手动叠加误差棒实现需求，具体操作如下：

• 绘制基础直方图时指定stat="count"，保留每个分箱内的原始样本计数，不要做归一化转换
• 从绘制完成的直方图轴对象中，提取每个矩形分块的位置、高度（即对应分箱的样本数）
• 按要求计算每个分箱的误差值：对应分箱样本计数的平方根
• 调用matplotlib的误差棒接口，在每个分箱的中心位置绘制误差棒

完整可运行代码 #

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 生成目标指数分布数据
x = np.random.exponential(2.2 * 10**(-6), 10000)

# 绘制基础计数直方图
g = sns.displot(x, stat="count")
ax = g.axes[0, 0]

# 遍历直方图矩形块，提取分箱中心、对应样本计数
bin_centers = []
bin_counts = []
for patch in ax.patches:
    bin_centers.append(patch.get_x() + patch.get_width() / 2)
    bin_counts.append(patch.get_height())

bin_centers = np.array(bin_centers)
bin_counts = np.array(bin_counts)
# 计算误差：每个分箱计数的平方根
count_err = np.sqrt(bin_counts)

# 叠加误差棒，fmt='none'表示不额外绘制数据点，仅显示误差棒
ax.errorbar(
    x=bin_centers,
    y=bin_counts,
    yerr=count_err,
    fmt="none",
    c="black",
    capsize=3
)

plt.show()

可选调整说明 #

• 若需要自定义分箱数量或边界，直接在sns.displot中传入bins参数即可，后续提取分箱数据的逻辑无需修改
• 误差棒样式可通过ax.errorbar的参数调整：capsize控制误差棒两端横杠的长度，c设置颜色，elinewidth调整误差棒线宽
• 若你修改了stat参数使用密度、概率等其他纵轴统计量，需要同步调整误差的计算逻辑，保证误差尺度和纵轴展示的统计量匹配

内容的提问来源于stack exchange，提问作者user174967