锋哥原创的Matplotlib3 Python数据可视化视频教程：
2026版 Matplotlib3 Python 数据可视化 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
课程介绍
本课程讲解利用python进行数据可视化 科研绘图-Matplotlib，学习Matplotlib图形参数基本设置，绘图参数及主要函数，以及Matplotlib基础绘图，和Matplotlib高级绘图。
绘制误差条形图
误差条形图是数据可视化中展示数据不确定性或变异性的重要工具。Matplotlib提供了强大的功能来创建各种类型的误差条形图，包括对称误差、非对称误差、水平误差条等。
plt.errorbar() 是 Matplotlib 中用于绘制带误差线的数据点的核心函数，常用于科学可视化中展示数据的不确定性。以下是该方法的详细解析：
plt.errorbar(x, y,
yerr=None,
xerr=None,
fmt='',
ecolor=None,
elinewidth=None,
capsize=None,
barsabove=False,
lolims=False,
uplims=False,
xlolims=False,
xuplims=False,
errorevery=1,
capthick=None,
**kwargs)必需参数
| 参数 | 类型 | 说明 |
|---|---|---|
| x | array | 数据点的 x 坐标值 |
| y | array | 数据点的 y 坐标值 |
🔍 误差线控制参数
误差方向
| 参数 | 默认值 | 说明 |
|---|---|---|
| yerr | None | y方向的误差值，支持多种格式： - 标量：所有点使用相同误差值 - 一维数组：每个点单独误差值 - 2xN数组：[下误差, 上误差] |
| xerr | None | x方向的误差值（格式同yerr） |
误差线样式
| 参数 | 默认值 | 说明 |
|---|---|---|
fmt |
'' |
数据点标记格式（同plt.plot()格式） 例如：'o-'（圆点连线），'s--'（方形虚线） |
ecolor |
None | 误差线颜色（默认与数据点相同） |
elinewidth |
None | 误差线宽度（默认1.5） |
capsize |
None | 误差线端帽长度（单位：点） |
capthick |
None | 误差线端帽厚度（默认同误差线） |
特殊误差类型
| 参数 | 默认值 | 说明 |
|---|---|---|
lolims/uplims |
False | 只显示下/上限的单向误差线 |
xlolims/xuplims |
False | x方向的单向误差线 |
barsabove |
False | 误差线显示在数据点上方 |
我们看一个对称误差条形图示例：
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 32, 67]
errors = [2.5, 3.2, 4.1, 2.8, 3.9] # 对称误差值
plt.figure(figsize=(10, 6))
# 绘制条形图并添加误差条
bars = plt.bar(categories, values, color='skyblue', edgecolor='black', alpha=0.8)
plt.errorbar(categories, values, yerr=errors, fmt='none',
ecolor='red', elinewidth=2, capsize=8, capthick=2)
# 添加数据标签
for bar in bars:
height = bar.get_height()
plt.text(bar.get_x() + bar.get_width() / 2., height + 1,
f'{height:.1f}', ha='center', va='bottom', fontsize=10)
# 图表装饰
plt.title('基础对称误差条形图', fontsize=14, pad=20)
plt.xlabel('类别', fontsize=12)
plt.ylabel('测量值', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.ylim(0, 80)
plt.tight_layout()
plt.show()
我们在看一个非对称误差条形图示例：
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 32, 67]
# 非对称误差数据
lower_errors = [1.8, 2.5, 3.0, 2.0, 3.2] # 下误差
upper_errors = [3.2, 3.8, 5.2, 3.6, 4.6] # 上误差
asymmetric_errors = [lower_errors, upper_errors] # 非对称误差格式
plt.figure(figsize=(10, 6))
# 绘制条形图
bars = plt.bar(categories, values, color='lightgreen', edgecolor='black', alpha=0.8)
# 添加非对称误差条
plt.errorbar(categories, values, yerr=asymmetric_errors, fmt='none',
ecolor='purple', elinewidth=2, capsize=8, capthick=2)
# 添加数据标签
for bar in bars:
height = bar.get_height()
plt.text(bar.get_x() + bar.get_width() / 2., height + 1,
f'{height:.1f}', ha='center', va='bottom', fontsize=10)
# 图表装饰
plt.title('非对称误差条形图', fontsize=14, pad=20)
plt.xlabel('类别', fontsize=12)
plt.ylabel('测量值', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.ylim(0, 80)
plt.tight_layout()
plt.show()
分组误差条形图示例：
import numpy as np
# 创建多组数据
categories = ['Group 1', 'Group 2', 'Group 3', 'Group 4']
men_means = [22, 30, 35, 28]
women_means = [25, 32, 30, 35]
men_errors = [1.8, 2.5, 3.0, 2.5]
women_errors = [2.2, 2.8, 2.5, 3.0]
x = np.arange(len(categories)) # 标签位置
width = 0.35 # 条形宽度
plt.figure(figsize=(12, 7))
# 绘制男性组条形图
rects1 = plt.bar(x - width / 2, men_means, width,
label='男性', color='royalblue', alpha=0.8,
yerr=men_errors, error_kw=dict(elinewidth=2, ecolor='darkblue', capsize=6))
# 绘制女性组条形图
rects2 = plt.bar(x + width / 2, women_means, width,
label='女性', color='lightcoral', alpha=0.8,
yerr=women_errors, error_kw=dict(elinewidth=2, ecolor='darkred', capsize=6))
# 添加数据标签
def autolabel(rects):
"""在条形图上方附加文本标签，显示条形高度"""
for rect in rects:
height = rect.get_height()
plt.annotate(f'{height:.1f}',
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3), # 3点垂直偏移
textcoords="offset points",
ha='center', va='bottom', fontsize=10)
autolabel(rects1)
autolabel(rects2)
# 图表装饰
plt.title('分组误差条形图（按性别）', fontsize=14, pad=20)
plt.xlabel('实验组', fontsize=12)
plt.ylabel('平均得分', fontsize=12)
plt.xticks(x, categories)
plt.legend(loc='upper right', frameon=True)
plt.grid(axis='y', linestyle='--', alpha=0.5)
plt.ylim(0, 45)
plt.tight_layout()
plt.show()
水平误差条形图:
import matplotlib.pyplot as plt
import numpy as np
# 创建水平数据
countries = ['挪威', '德国', '加拿大', '美国', '荷兰']
gold_medals = [16, 12, 11, 9, 8]
errors = [1.2, 0.9, 1.1, 0.8, 0.7] # 水平误差
plt.figure(figsize=(10, 6))
# 绘制水平条形图
bars = plt.barh(countries, gold_medals, color='gold', edgecolor='darkorange', height=0.7, alpha=0.9)
# 添加水平误差条
plt.errorbar(gold_medals, countries, xerr=errors, fmt='none',
ecolor='darkred', elinewidth=2, capsize=6, capthick=2)
# 添加数据标签
for bar in bars:
width = bar.get_width()
plt.text(width + 0.5, bar.get_y() + bar.get_height() / 2,
f'{width:.0f}', ha='left', va='center', fontsize=10)
# 图表装饰
plt.title('冬奥会金牌数（含不确定性）', fontsize=14, pad=20)
plt.xlabel('金牌数量', fontsize=12)
plt.ylabel('国家', fontsize=12)
plt.xlim(0, 20)
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()