Python中seaborn tsplot函数中的标准偏差和误差条

时间:2015-12-15 15:56:24

标签: python matplotlib seaborn

Seaborn如何计算其误差线?例如:

import numpy as np; np.random.seed(22)
import seaborn as sns; sns.set(color_codes=True)
x = np.linspace(0, 15, 31)
data = np.sin(x) + np.random.rand(10, 31) + np.random.randn(10, 1)
ax = sns.tsplot(data=data, err_style="ci_bars")
plt.show()

如何计算ci_bars(或ci_bands)?

另外,是否可以在ci_bars样式中制作tsplot图,其中误差条或波段对应于每个时间点的值的标准偏差? (而不是卑鄙或引导的标准错误)

2 个答案:

答案 0 :(得分:17)

Seaborn v0.8.0(2017年7月)中添加了使用误差条显示标准偏差的功能,而不是通过输入ci =“sd”来显示大多数统计函数中的自举置信区间。所以这现在有效了

sns.tsplot(data=data, ci="sd") 

对于以前的Seaborn版本,绘制标准偏差的解决方法可能是在seaborn tsplot上使用matplotlib错误栏:

import numpy as np;
import seaborn as sns;
import pandas as pd
import matplotlib.pyplot as plt

# create a group of time series
num_samples = 90
group_size = 10
x = np.linspace(0, 10, num_samples)
group = np.sin(x) + np.linspace(0, 2, num_samples) + np.random.rand(group_size, num_samples) + np.random.randn(group_size, 1)
df = pd.DataFrame(group.T, index=range(0,num_samples))

# plot time series with seaborn
ax = sns.tsplot(data=df.T.values) #, err_style="unit_traces")

# Add std deviation bars to the previous plot
mean = df.mean(axis=1)
std  = df.std(axis=1)
ax.errorbar(df.index, mean, yerr=std, fmt='-o') #fmt=None to plot bars only

plt.show()

enter image description here

答案 1 :(得分:10)

由于tsplot函数没有提供直接设置错误栏值的方法或者更改用于计算它们的方法,我找到的唯一解决方案是修补timeseries模块:

import seaborn.timeseries

def _plot_std_bars(*args, central_data=None, ci=None, data=None, **kwargs):
    std = data.std(axis=0)
    ci = np.asarray((central_data - std, central_data + std))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_bars(*args, **kwargs)

def _plot_std_band(*args, central_data=None, ci=None, data=None, **kwargs):
    std = data.std(axis=0)
    ci = np.asarray((central_data - std, central_data + std))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_band(*args, **kwargs)

seaborn.timeseries._plot_std_bars = _plot_std_bars
seaborn.timeseries._plot_std_band = _plot_std_band

然后,使用标准差误差条绘制

ax = sns.tsplot(data, err_style="std_bars", n_boot=0)

ax = sns.tsplot(data, err_style="std_band", n_boot=0)

用标准偏差带绘图。

编辑:受到this answer的启发,另一种(可能更明智的)方法是使用以下代替tsplot

import pandas as pd
import seaborn as sns

df = pd.DataFrame.from_dict({
    "mean": data.mean(axis=0),
    "std": data.std(axis=0)
}).reset_index()

g = sns.FacetGrid(df, size=6)
ax = g.map(plt.errorbar, "index", "mean", "std")
ax.set(xlabel="", ylabel="")

Edit2:由于您询问tsplot如何计算其置信区间:它在每个时间点使用bootstrapping to estimate the distribution of the mean value,然后找到低和高百分位值(对应于使用的置信区间)从这些发行版。假设正态分布,默认置信区间为68% - 相当于均值的±1标准差。相应的低和高百分位数分别为16%和84%。您可以通过ci关键字参数更改置信区间。