Anpassung von Fehlerbalken in Matplotlib

Einführung

Beim Datenvisualisierung sind Fehlerbalken ein nützliches Werkzeug, um die Unsicherheit in den Daten darzustellen. Fehlerbalken sind grafische Darstellungen der Variabilität von Daten und werden auf Graphen verwendet, um den Fehler oder die Unsicherheit in einer gemeldeten Messung anzuzeigen. In diesem Lab werden wir uns mit den verschiedenen Möglichkeiten der Angabe von Fehlerbalken in Matplotlib befassen.

VM-Tipps

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Bibliotheken importieren

Wir beginnen mit dem Import der erforderlichen Bibliotheken, einschließlich Matplotlib und NumPy.

import matplotlib.pyplot as plt
import numpy as np

Daten definieren

Als nächstes definieren wir unsere x- und y-Daten. In diesem Beispiel verwenden wir die Funktionen np.arange() und np.exp(), um die x- und y-Daten respective zu erstellen.

## example data
x = np.arange(0.1, 4, 0.5)
y = np.exp(-x)

Fehlerwerte definieren

Wir definieren jetzt unsere Fehlerwerte. In diesem Beispiel verwenden wir die Variable error, um symmetrische Fehler zu repräsentieren, und die Variable asymmetric_error, um asymmetrische Fehler zu repräsentieren.

## example error bar values that vary with x-position
error = 0.1 + 0.2 * x

## error bar values w/ different -/+ errors that
## also vary with the x-position
lower_error = 0.4 * error
upper_error = error
asymmetric_error = [lower_error, upper_error]

Variable, symmetrische Fehlerbalken plotten

Wir werden jetzt unsere Daten mit variablen, symmetrischen Fehlerbalken plotten. Die Funktion ax.errorbar() wird verwendet, um den Plot zu erstellen, und der Parameter yerr wird verwendet, um die Fehlerwerte anzugeben.

## plot variable, symmetric error bars
fig, ax = plt.subplots()
ax.errorbar(x, y, yerr=error, fmt='-o')
ax.set_title('Variable, Symmetric Error Bars')
plt.show()

Variable, asymmetrische Fehlerbalken plotten

Als nächstes werden wir unsere Daten mit variablen, asymmetrischen Fehlerbalken plotten. Die Funktion ax.errorbar() wird erneut verwendet, aber diesmal wird der Parameter xerr verwendet, um die asymmetrischen Fehlerwerte anzugeben.

## plot variable, asymmetric error bars
fig, ax = plt.subplots()
ax.errorbar(x, y, xerr=asymmetric_error, fmt='o')
ax.set_title('Variable, Asymmetric Error Bars')
plt.show()

Plot mit logarithmischer Skala und Fehlerbalken

Schließlich werden wir unsere Daten mit einer logarithmischen Skala und Fehlerbalken plotten. Die Funktion ax.set_yscale() wird verwendet, um die y-Achse auf eine logarithmische Skala einzustellen.

## plot log scale with error bars
fig, ax = plt.subplots()
ax.errorbar(x, y, yerr=error, fmt='o')
ax.set_title('Log Scale with Error Bars')
ax.set_yscale('log')
plt.show()

Zusammenfassung

In diesem Lab haben wir die verschiedenen Möglichkeiten der Angabe von Fehlerbalken in Matplotlib kennengelernt. Wir haben begonnen, indem wir die erforderlichen Bibliotheken importiert und unsere Daten und Fehlerwerte definiert haben. Anschließend haben wir Plots mit variablen, symmetrischen Fehlerbalken und variablen, asymmetrischen Fehlerbalken erstellt. Schließlich haben wir unsere Daten mit einer logarithmischen Skala und Fehlerbalken geplottet. Indem wir Fehlerbalken in unseren Visualisierungen verwenden, können wir wertvolle Informationen über die Unsicherheit in den Daten liefern.