Seaborn barplot设置estimator为median时误差棒显示异常如何解决

问题原因 #

Seaborn的barplot默认使用**百分位自助法(percentile bootstrap)**计算置信区间，中位数属于非对称分布的统计量，百分位法得到的置信区间上下限到中位数的距离天然不等，因此视觉上会出现误差棒不居中的情况，不属于代码bug，是统计方法选择导致的正常结果。

解决方法 #

方法1：Seaborn 0.11.x及更早版本（仍支持ci参数）

新增boot_type='normal'参数，切换为正态近似的自助法置信区间，得到以中位数为中心的对称误差棒：

fig, ax = plt.subplots()
sns.set_theme(style="whitegrid")
sns.barplot(x='SurveyMetrics',
                  y='value',
                  hue='Stimulus',
                  data=df_melt,
                  palette=colors,
                  estimator=np.median,
                  ci=0.80,
                  boot_type='normal') # 新增该行

方法2：Seaborn 0.12.x及更新版本（ci参数已废弃，改用errorbar参数）

自定义误差计算函数，直接指定返回以中位数为中心的80%置信区间：

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

# 自定义中位数80%置信区间计算函数
def calc_median_80ci(x):
    med = np.median(x)
    # 自助法计算中位数标准误
    boot_samples = sns.algorithms.bootstrap(x, func=np.median, n_boot=1000)
    se = np.std(boot_samples)
    # 80%置信区间对应z分位数为1.282
    margin = 1.282 * se
    return med - margin, med + margin

# 绘图调用
fig, ax = plt.subplots()
sns.set_theme(style="whitegrid")
sns.barplot(x='SurveyMetrics',
                  y='value',
                  hue='Stimulus',
                  data=df_melt,
                  palette=colors,
                  estimator=np.median,
                  errorbar=calc_median_80ci) # 传入自定义误差函数

原效果对比 #

• estimator设置为np.average效果：
  
• estimator设置为np.median默认效果：
  

内容的提问来源于stack exchange，提问作者SayeedDK