如何用Pandas DataFrame在Python中绘制带标准差误差棒的柱状图

嘿，这事儿我熟！刚好最近刚帮人做过类似的可视化，给你两种实用的实现方案，你可以按需选：

如果喜欢自己掌控每个细节，用Matplotlib是最佳选择。核心思路是先算出每个月份列的均值和标准差，再把这些统计量喂给柱状图和误差棒：

import matplotlib.pyplot as plt
import pandas as pd

# 假设你的DataFrame变量名为df
# 计算各月份的平均得分和标准差（按列计算）
monthly_avg = df.mean(axis=0)
monthly_std = df.std(axis=0)
# 获取月份列表（确保和数据顺序一致）
month_labels = monthly_avg.index.tolist()

# 创建画布，设置大小
plt.figure(figsize=(10, 6))
# 绘制柱状图，同时添加标准差误差棒
# capsize控制误差棒两端的"帽子"长度，数值越大越清晰
bars = plt.bar(month_labels, monthly_avg, yerr=monthly_std, capsize=6, color='lightblue')

# 给图表加标签和标题，让可读性更强
plt.xlabel('Months', fontsize=12)
plt.ylabel('Average Score', fontsize=12)
plt.title('Average Score by Month (with Standard Deviation Error Bars)', fontsize=14)

# 可选：给每个柱子顶部标注具体的均值数值
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:.2f}',  # 保留两位小数
             ha='center', va='bottom', fontsize=10)

# 显示图表
plt.show()

如果不想手动算统计量，Seaborn可以帮你一步搞定，不过需要先把宽格式的DataFrame转成长格式：

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

# 把宽格式数据转成长格式：列名变'Month'列，得分变'Score'列
melted_data = df.melt(var_name='Month', value_name='Score')

# 创建画布
plt.figure(figsize=(10, 6))
# 绘制柱状图，ci='sd'表示用标准差作为误差棒（默认是95%置信区间）
sns.barplot(x='Month', y='Score', data=melted_data, ci='sd', palette='pastel')

# 添加标签和标题
plt.xlabel('Months', fontsize=12)
plt.ylabel('Average Score', fontsize=12)
plt.title('Average Score by Month (with Standard Deviation Error Bars)', fontsize=14)

plt.show()

小提示 #

• 两种方法都能完美实现你的需求：Matplotlib适合需要自定义细节（比如柱子颜色、标注样式）的场景，Seaborn适合快速出图。
• 如果你的月份列是数值类型（比如0、1、3这些），转成字符串或者保持数值都不影响X轴的显示顺序；要是是乱序的字符串，记得提前排序哦。

内容的提问来源于stack exchange，提问作者eepee123