Python中seaborn tsplot函数中的标准偏差和误差条

Question

Seaborn如何计算其误差线？例:

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)？

是否可以tsplot在ci_bars样式中制作绘图,其中误差条或带对应于每个时间点的值的标准偏差？(而不是卑鄙的标准错误或bootstraps)

Answer 1

在Seaborn v0.8.0(2017年7月)中添加了使用误差条显示标准偏差的能力,而不是通过放置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

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()

Answer 2

由于该tsplot函数没有提供直接设置错误栏值或更改用于计算它们的方法的方法,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,用标准偏差绘制误差条使用

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

要么

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

绘制标准偏差带.

编辑:受SO上这个答案的启发,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="")

编辑2:由于您询问了如何tsplot计算其置信区间:它使用自举来估计每个时间点的平均值的分布,然后从这些分布中找到低和高百分位数值(对应于所使用的置信区间).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.