使用Pandas绘制带置信区间与Bootstrap的箱线图报错：索引越界

嘿，我之前也碰到过这个坑！你在绘制带置信区间的箱线图时遇到的IndexError: tuple index out of range，大概率是因为旧版本pandas中boxplot方法的conf_intervals和bootstrap参数组合存在bug，下面给你几个可行的解决方案：

1. 升级pandas到最新稳定版 #

这个问题在pandas 1.0及以后的版本里已经被修复了，最简单的办法就是直接升级：

pip install --upgrade pandas

升级后再跑你的代码，基本就能解决这个错误了。另外提醒下，你的原始代码里漏了import pandas as pd和import matplotlib.pyplot as plt这两行导入，记得补上哦。

2. 手动计算置信区间并绘制（兼容旧版本） #

如果暂时没法升级pandas，那可以手动计算置信区间，再叠加到箱线图上。这里给你两种计算方式：

方式一：用t分布计算标准置信区间 #

from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 加载并整理数据
iris = datasets.load_iris()
iris = pd.DataFrame(iris.data, columns=['a', 'b', 'c', 'd'])

# 先画基础箱线图
ax = iris.boxplot(column='a', figsize=(15,20), showmeans=True, patch_artist=True)

# 计算95%置信区间
data_col = iris['a']
mean_val = np.mean(data_col)
std_err = stats.sem(data_col)
conf_interval = stats.t.interval(0.95, len(data_col)-1, loc=mean_val, scale=std_err)

# 在图上添加置信区间误差线
ax.scatter(1, mean_val, color='darkred', zorder=6)  # 高亮均值点
ax.errorbar(1, mean_val, 
            yerr=[[mean_val - conf_interval[0]], [conf_interval[1] - mean_val]],
            fmt='none', ecolor='black', capsize=8)

plt.show()

方式二：用bootstrap方法计算置信区间 #

如果一定要用bootstrap逻辑，自己实现也很简单：

def bootstrap_confidence_interval(data, n_samples=100):
    bootstrap_means = []
    for _ in range(n_samples):
        sample = np.random.choice(data, size=len(data), replace=True)
        bootstrap_means.append(np.mean(sample))
    # 返回95%置信区间
    return np.percentile(bootstrap_means, [2.5, 97.5])

# 调用函数计算
bootstrap_ci = bootstrap_confidence_interval(iris['a'], n_samples=100)
# 然后用上面的errorbar方法把这个区间加到图上就行

3. 换用seaborn绘制（更省心） #

seaborn在统计可视化上更顺手，绘制带置信区间的箱线图非常简洁，兼容性也更好：

from sklearn import datasets
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

iris = datasets.load_iris()
iris = pd.DataFrame(iris.data, columns=['a', 'b', 'c', 'd'])

plt.figure(figsize=(15,20))
# 绘制箱线图
sns.boxplot(x=iris['a'], patch_artist=True, palette='pastel')
# 叠加均值和95%置信区间（join=False是不连线）
sns.pointplot(x=iris['a'], color='darkred', join=False, ci=95)

plt.show()

内容的提问来源于stack exchange，提问作者user8270077