如何为Seaborn barplot添加不确定性误差棒？

嘿，其实你不用折腾单独调用matplotlib的errorbar啦，Seaborn的barplot本身就支持直接添加误差棒，当然如果你偏好errorbar的方式也没问题，我给你两种实用方案：

方案一：用Seaborn Barplot自带参数（最简便） #

Seaborn的barplot有内置的yerr参数可以直接传入你的不确定性数据，还有capsize参数用来设置误差棒两端小帽子的长度，这样一步到位，不用额外操作。

修改你的代码如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt  # 别忘了导入matplotlib的pyplot模块

df = pd.DataFrame(
    [
        ['variable_a', 0.656536, 0.054560],
        ['variable_b', 0.425124, 0.056104],
        ['variable_c', 0.391201, 0.049393],
        ['variable_d', 0.331990, 0.032777],
        ['variable_e', 0.309588, 0.027449],
    ],
    columns = ['index', 'mean', 'statistical_uncertainty']
)
df.index = df['index']
del df['index']

# 直接传入yerr和capsize参数即可添加误差棒
p = sns.barplot(x=df["mean"], y=df.index, yerr=df["statistical_uncertainty"], capsize=5)
plt.show()

这里yerr=df["statistical_uncertainty"]就是把你的不确定性数据作为误差值传入，capsize=5让误差棒两端有明显的小帽子，数据展示更清晰。

方案二：用Matplotlib的errorbar方法手动添加 #

如果你确实想使用matplotlib的errorbar功能，也可以手动实现：先画出Seaborn的barplot，然后获取每个条形的位置和高度，再调用errorbar来添加误差棒。

代码示例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.DataFrame(
    [
        ['variable_a', 0.656536, 0.054560],
        ['variable_b', 0.425124, 0.056104],
        ['variable_c', 0.391201, 0.049393],
        ['variable_d', 0.331990, 0.032777],
        ['variable_e', 0.309588, 0.027449],
    ],
    columns = ['index', 'mean', 'statistical_uncertainty']
)
df.index = df['index']
del df['index']

# 先绘制基础的barplot
p = sns.barplot(x=df["mean"], y=df.index)

# 获取每个条形的中心y坐标和对应的mean值
bars = p.patches
y_positions = [bar.get_y() + bar.get_height()/2 for bar in bars]  # 条形垂直方向的中心位置
x_means = [bar.get_width() for bar in bars]  # 条形的宽度就是我们的mean数值
errors = df["statistical_uncertainty"].values

# 调用errorbar添加误差棒
p.errorbar(x=x_means, y=y_positions, xerr=errors, fmt='none', c='black', capsize=5)

plt.show()

解释一下：fmt='none'表示只画误差棒不添加额外标记点，c='black'设置误差棒颜色为黑色，和条形形成区分；capsize=5同样用来设置误差棒两端小帽子的长度。

内容的提问来源于stack exchange，提问作者BlandCorporation