你好,我是郭震
误差带面积图是比较常用的一种图形展示方法,参与绘图的每个点都有一个上下偏差,误差带名字由此而来。
误差带面积图,基本代码,一共10个点,有三组数据,如下x
, y
, error
.
import matplotlib.pyplot as plt
import numpy as np
# 生成随机x数据(例如:时间序列)
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])
# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])
# 计算上下误差带
y_upper = y + error
y_lower = y - error
# 创建图表
plt.figure(figsize=(10, 5))
# 绘制面积图,展示误差带
plt.fill_between(x, y_lower, y_upper, color="lightblue", alpha=0.5)
# 绘制折线图,显示主要趋势
plt.plot(x, y, color="blue", alpha=0.7, linewidth=2)
# 添加标题和轴标签
plt.title('Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')
# 显示图表
plt.show()
绘图结果展示:
一行两列,两个子图:
# 生成随机x数据(例如:时间序列)
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])
# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])
# 计算上下误差带
y_upper = y + error
y_lower = y - error
# 创建图表窗口
plt.figure(figsize=(20, 5))
# 第一个子图
plt.subplot(1, 2, 1) # 1行2列的第1个
plt.fill_between(x, y_lower, y_upper, color="lightblue", alpha=0.5)
plt.plot(x, y, color="blue", alpha=0.7, linewidth=2)
plt.title('First Plot: Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.ylim(-2, 15) # 设置y轴范围
y = np.array([5, 6, 8, 6, 8, 7, 8, 9, 12, 11])
y_upper = y + error
y_lower = y - error
# 第二个子图
plt.subplot(1, 2, 2) # 1行2列的第2个
plt.fill_between(x, y_lower, y_upper, color="lightgreen", alpha=0.5)
plt.plot(x, y, color="green", alpha=0.7, linewidth=2)
plt.title('Second Plot: Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.ylim(-2, 15) # 设置y轴范围
# 显示整个图表窗口
plt.show()
颜色带中,误差越大,颜色显示越深:
import matplotlib.pyplot as plt
import numpy as np
# 生成随机x数据(例如:时间序列)
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])
# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])
# 计算上下误差带
y_upper = y + error
y_lower = y - error
# 创建图表
plt.figure(figsize=(10, 5))
# 使用橙色调,透明度变化来模拟颜色深浅
colors = plt.cm.Oranges(np.linspace(0.3, 1, 100)) # 使用100个颜色渐变
for i in range(len(x) - 1):
# 计算每个区间的误差,透明度与误差成正比
alpha = 0.3 + 0.7 * (error[i] / max(error))
# 选择颜色索引,颜色随误差增大而深化
color_index = int((error[i] / max(error)) * 99) # 用99是因为颜色索引从0到99
plt.fill_between(x[i:i+2], y_lower[i:i+2], y_upper[i:i+2], color=colors[color_index], alpha=alpha)
# 绘制折线图,显示主要趋势
plt.plot(x, y, color="darkred", alpha=0.9, linewidth=2)
# 添加标题和轴标签
plt.title('Data Line and Area Plot with Variable Error Transparency in Orange')
plt.xlabel('X axis')
plt.ylabel('Y axis')
# 显示图表
plt.show()
本文分享自 程序员郭震zhenguo 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!