Matplotlib绘制误差棒图：动态分配色图、固定Y轴顺序及自动生成图例

1. 固定Y轴KPI排序 #

出现Y轴顺序变化的核心原因是：你分两次调用errorbar绘图时，每次传入的KPI子集不一样，matplotlib会按照数据首次出现的顺序自动生成分类Y轴的刻度，导致两个图的顺序不一致。
解决方案是在绘图前手动指定Y轴的刻度顺序，直接沿用原DataFrame的KPI顺序即可，也可以提前把KPI映射为固定的位置数值，从根源避免顺序错乱。

2. 动态生成图例 #

只需要给每个errorbar调用添加label参数，后续调用plt.legend()时会自动根据定义的label生成图例，无需硬编码。如果某个分类下没有数据，对应图例也会自动隐藏。
另外可以提前定义颜色映射字典，实现动态的颜色分配，后续新增显著性分类只需要修改字典即可，不用改绘图逻辑。

修改后的完整代码 #

import pandas as pd
import matplotlib.pyplot as plt

def confint_plot(df):
    plt.style.use('fivethirtyeight')
    fig, ax = plt.subplots(figsize=(18, 10))
    
    # 定义显著性和颜色的映射关系，后续新增分类只需修改此处
    sig_color_map = {
        'significant': '#d62828',
        'insignificant': '#2a9d8f'
    }
    
    # 固定Y轴顺序：直接用原df的kpi顺序，把kpi转换为对应索引作为y坐标
    kpi_order = df['kpi'].tolist()
    df['y_pos'] = df['kpi'].apply(lambda x: kpi_order.index(x))
    
    # 循环遍历所有显著性分类绘图，自动加label
    for sig_type, color in sig_color_map.items():
        subset = df[df['significance'] == sig_type]
        if len(subset) == 0:
            continue
        plt.errorbar(subset['diff_pct'], subset['y_pos'], 
                     xerr=subset['me_pct'], color=color, 
                     fmt='o', capsize=10, label=sig_type)
    
    # 还原Y轴刻度为kpi名称
    ax.set_yticks(ticks=range(len(kpi_order)), labels=kpi_order)
    
    # 自动生成图例
    plt.legend(loc='best')
    
    ax.axvline(0, c='red', alpha=0.5, linewidth=3.0,
               linestyle = '--', ymin=0.0, ymax=1)
    
    plt.title("Confidence Intervals of Continous Metrics", size=14, weight='bold')
    plt.xlabel("% Difference of Control over Treatment", size=12)
    
    plt.show()

修改后效果 #

• 不管每个DataFrame里的显著性分布如何，Y轴的KPI顺序都和你传入的DataFrame里的KPI顺序完全一致
• 图例自动根据当前DataFrame里存在的显著性分类生成，没有数据的分类不会出现在图例里
• 颜色映射和业务逻辑解耦，后续如果要新增其他显著性分类，只需要在sig_color_map里加对应的键值对即可，不需要修改其他绘图逻辑。

内容的提问来源于stack exchange，提问作者MrKrizzer