Python绘制非对称上下限误差棒结果异常如何修正

我使用自有数据测试误差棒绘制时得到了异常结果。
我有原始DataFrame dotvalue 如下：

ticker  AAPL    AMD BIDU    GOOGL   IXIC    MSFT    NDXT    NVDA    NXPI    QCOM    SWKS    TXN
5   0.222649    3.512100e-02    0.043558    0.153921    0.374783    0.201710    0.377886    0.159817    0.206961    0.151937    0.132801    0.226767
10  0.203363    3.398862e-02    0.113287    0.173990    0.393209    0.236895    0.421558    0.205209    0.326829    0.128487    0.174043    0.312648
...
145 0.089661    4.591069e-05    0.136814    0.017958    0.030406    0.000834    0.083278    0.162984    0.081382    0.081221    0.047221    0.057464
150 0.143404    2.403103e-02    0.076241    0.113305    0.061792    0.014000    0.096749    0.060709    0.170400    0.341342    0.049486    0.059982

对应的点图如下：

对x轴每个取值，我计算了序列 avg=dotvalue.mean(axis=1)，结果如下：

5      0.190659
10     0.226959
...
145    0.065772
150    0.100953

将avg序列添加到图中效果如下：

之后我按如下方式计算置信区间：

ci_u = dotvalue.quantile(q=0.975, axis=1) # upper limit
ci_l = dotvalue.quantile(q=0.025, axis=1) # lower limit

ci_u的结果示例：

5      0.377033
10     0.413762
...
145    0.155787
150    0.294333

ci_l的结果示例：

5      0.037441
10     0.055796
...
145    0.000263
150    0.016758

我希望x轴每个点的误差棒以上述ci_u为上限、ci_l为下限，围绕avg值绘制。我尝试调用 avg.plot(yerr = (ci_l, ci_u), ls = '-', marker = 'o', figsize = (10,5), label = "average") 得到的结果如下：

这个结果明显错误，比如x=5时，误差棒上下限本应为0.037441和0.377033，但图中对应误差棒范围大概是(0.15, 0.57)。请问是什么原因导致该问题，应该如何修正？

问题原因 #

pandas的plot方法中yerr参数接收的不是误差棒的绝对上下限值，而是相对于平均值的上下偏移量。你直接传入ci_l和ci_u的绝对值，会导致误差范围完全错位：比如x=5时平均值是0.190659，传入的下限0.037441会被当成向下偏移0.037441，实际渲染下限就是0.190659 - 0.037441 ≈ 0.15，上限就是0.190659 + 0.377033 ≈ 0.57，和你看到的错误结果完全匹配。

修正方案 #

你只需要先计算上下限和平均值的偏差，再传入yerr即可：

# 计算上下偏差量
yerr_l = avg - ci_l
yerr_u = ci_u - avg
# 传入偏差量绘制
avg.plot(yerr=(yerr_l, yerr_u), ls='-', marker='o', figsize=(10,5), label="average")

如果需要更灵活的控制，也可以改用matplotlib原生的errorbar方法实现：

import matplotlib.pyplot as plt
plt.figure(figsize=(10,5))
plt.errorbar(x=avg.index, y=avg.values, yerr=[yerr_l.values, yerr_u.values], fmt='-o', label='average')
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者Lazer