误差条上限大小的相对大小

Question

是否可以动态控制误差线上限的大小？就像控制箱线图中的胡须帽一样？因此，无需将倾覆设置为某个固定值。从下面的例子中应该会看到更多。

fig = plt.figure()
gs = gridspec.GridSpec(2, 2)
ax0 = fig.add_subplot(gs[0])
ax1 = fig.add_subplot(gs[1])
ax2 = fig.add_subplot(gs[2])
ax3 = fig.add_subplot(gs[3])

n = 3
ax0.bar(list(range(n)),
       np.random.randint(1,20,n),
       yerr=np.random.randn(n),
       edgecolor="red",
       fill=False,
       capsize=5)

ax1.boxplot(np.random.normal(70, 25, (200,n)))

n = 12
ax2.bar(list(range(n)),
       np.random.randint(1,20,n),
       yerr=np.random.randn(n),
       edgecolor="red",
       fill=False,
       capsize= 5)

ax3.boxplot(np.random.normal(70, 25, (200,n)))

---

更多的话：

是否有可能以某种方式控制相对于垃圾箱之间的间距的倾覆。如果垃圾箱在所有整数上，我希望倾覆的宽度为bin_center +/- 0.25

Answer 1

条形图上的误差线上限和箱线图上的须线上限之间存在巨大差异。胡须帽是图中的实际线条（即它们有起点和终点）。误差线的上限是标记；与您在通常的情节中使用marker="_" 获得的标记相同。

因此，晶须的宽度是线的两个坐标之间的差，而误差条帽的宽度是markersize。 markersize 以点为单位，使其独立于图中的数据单元。这有几个优点：它们在屏幕上保持大小，独立于数据比例，在缩放绘图时保持不变，并且在对数比例上看起来不错。

因此，当要求在数据单元中设置误差条上限大小时，您实际上是在询问如何在数据单元中缩放标记。例如，可以查看this question 或this one，它们要求缩放数据单元中的散点。

因此我们的想法是计算一个数据单元在当前图中有多少个点，然后将误差条上限的标记大小设置为该数字的倍数。

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)

fig, (ax,ax2) = plt.subplots(ncols=2, figsize=(8,4))

n = 3
bar1 = ax.bar(list(range(n)),
       np.random.randint(1,20,n),
       yerr=np.random.randn(n),
       edgecolor="red", fill=False, capsize=1)

n = 12
bar2 = ax2.bar(list(range(n)),
       np.random.randint(1,20,n),
       yerr=np.random.randn(n),
       edgecolor="red", fill=False, capsize=1)

class BarCapSizer():
    def __init__(self, caps, size=1):
        self.size=size
        self.caps = caps
        self.ax = self.caps[0].axes
        self.resize()

    def resize(self):
        ppd=72./self.ax.figure.dpi
        trans = self.ax.transData.transform
        s =  ((trans((self.size,1))-trans((0,0)))*ppd)[0]
        for i,cap in enumerate(self.caps):
            cap.set_markersize(s)

size = 0.5 # data units
bcs1 =  BarCapSizer(bar1.errorbar.lines[1], size )        
bcs2 =  BarCapSizer(bar2.errorbar.lines[1], size )

plt.show()

这显示了具有 0.5 个数据单元的翻船。现在的问题是，这又被修复了。因此，如果交互式缩放应该保留数据单元中的标记比例，则需要使用事件处理机制来更新标记大小。这可以类似于here 显示的那样完成。

class BarCapSizer():
    def __init__(self, caps, size=1):
        self.size=size
        self.caps = caps
        self.ax = self.caps[0].axes
        self.resize()
        self.cid = ax.figure.canvas.mpl_connect('draw_event', self.update)

    def resize(self):
        ppd=72./self.ax.figure.dpi
        trans = self.ax.transData.transform
        s =  ((trans((self.size,1))-trans((0,0)))*ppd)[0]
        for i,cap in enumerate(self.caps):
            cap.set_markersize(s)

    def update(self,event=None):
        self.resize()
        self.timer = self.ax.figure.canvas.new_timer(interval=10)
        self.timer.single_shot = True
        self.timer.add_callback(lambda : self.ax.figure.canvas.draw_idle())
        self.timer.start()

Answer 2

如果我理解正确，您希望误差上限的大小自动调整到条形的宽度，就像它们在箱线图中所做的那样？

在这种情况下，获得所需行为的一种简单方法是将一个值传递给capsize=，该值与条形的数量成反比，因为条形的数量最终将决定它们的宽度。您必须使用确切的比例系数，直到您对结果满意为止。

fig, axs = plt.subplots(1,2, figsize=(5,2.5))

for ax,n in zip(axs,[3,12]):
    ax.bar(list(range(n)),
       np.random.randint(1,20,n),
       yerr=np.random.randn(n),
       edgecolor="red",
       fill=False,
       capsize=30/n)  # <--- capsize inversly proportional to n