前言

这是Python数据可视化的系列短篇，针对初级和中级用户，将理论和示例代码相结合，使用matplotlib, seaborn, plotly等工具创建不同主题的图表。

本文主题是如何在图表中显示误差。

import osimport warnings
import requests
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA%matplotlib inline
plt.style.use("fivethirtyeight")warnings.filterwarnings("ignore")

PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

可以免费领取源码、项目实战视频、PDF文件等

1. 显示测量误差

科学测量往往存在误差，准确的报告误差跟报告测量结果同样重要。

测量误差（也称为观察误差）是测量值和真实值之间的差异，包括随机误差（任何实验中都会自然发生的误差）和系统误差（由影响所有测量的错误校准的仪器引起）。

举一个例子，假设您正在测量100个学生的体重，有的学生穿较多的衣服，导致重500克，有的学生可能脱水导致轻200克，这些都是测量误差。事实上所有收集的样本都会存在误差，大多数情况下它们不可避免。所以在数据可视化中，有效显示这些错误可以传达更完整的信息。

在matplotlib中通过调用ax.errorbar()创建误差图(errorbar)。误差图由一个点和穿过这个点的线段组成，点对应测量结果，线段代表测量误差。

# 设置随机数种子
np.random.seed(123)# 观测值的数量
n_observations = 30
x = np.arange(n_observations)# 虚拟测量值
y = np.sin(x) + np.random.randn(n_observations)# 测量误差，假设误差服从均匀分布
errors = np.random.randint(1, 3, n_observations)# 调用ax.errorbar接口，提供3个数组，x, y, yerr
# fmt控制点和线段的样式，跟ax.plot的fmt相同
# color: 控制点的颜色
# ecolor: 代表误差的线段的颜色
# elinewidth: 代表误差的线段的大小
fig, ax = plt.subplots(figsize=(10, 7))
ax.errorbar(x, y, yerr=errors, fmt="o", color="black",ecolor="lightgray", elinewidth=3)

2. 显示预测误差

在机器学习领域，回归模型和时间序列模型用于预测，模型会同时生成预测误差（所谓置信区间），在可视化预测结果时，通常要求显示预测值和预测区间，这可以通过ax.plot()和ax.fill_between()实现。

接下来使用一个真实的案例说明，先从蜂鸟数据获取黄金价格，然后用ARIMA（自回归整合移动平均）预测未来30天的价格，可视化预测结果。

# 从蜂鸟数据下载黄金价格
params = {"symbol": "XAUUSD",  # 现货黄金ID"start_date": "2010-01-01","end_date": "2020-08-05","apikey": os.getenv("TROCHIL_API")  # 在蜂鸟数据官网注册获取API密钥
}
resp = requests.get("https://api.trochil.cn/v1/forex/history", params)
data = pd.DataFrame.from_records(resp.json()["data"])
data["datetime"] = pd.to_datetime(data["datetime"])
data.set_index("datetime", inplace=True)# 创建ARMIA模型，预测未来30天价格走势
model = ARIMA(data.close, order=(1, 1, 1))
results = model.fit()
fc, errors, conf = results.forecast(steps=30, alpha=0.05)
fc_df = pd.DataFrame({"forecast": fc,"lower": conf[:, 0],"upper": conf[:, 1]
}, index=pd.date_range("2020-08-06", periods=30))# 可视化预测结果，包括点预测值和预测区间
# 预测区间包括置信下限和上限，代表真实值可能落入的范围
# 调用ax.plot显示点预测值，ax.fill_between显示预测区间
data_since_2020 = data["2020":]
fig, ax = plt.subplots(figsize=(12, 7))
data_since_2020.close.plot(ax=ax, label="Historical Prices")
ax.plot(fc_df.index, fc_df.forecast, label="Forecast Prices")
ax.fill_between(fc_df.index, fc_df.lower, fc_df.upper, color="gray", alpha=0.3, label="Forecast Interval")
ax.set_title("Plot Forecast Errors")
ax.legend(loc="upper left")
<matplotlib.legend.Legend at 0x7fbfa348d9a0>

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：蜂鸟数据Trochil

什么是误差图？今天带你了解可视化误差图，让数据一目了然相关推荐

python使用matplotlib可视化阶梯图、使用step函数可视化阶梯图、可视化时间序列数据的波动周期和规律
python使用matplotlib可视化阶梯图.使用step函数可视化阶梯图.可视化时间序列数据的波动周期和规律目录
python使用matplotlib可视化折线图、在可视化图像中同时绘制多条折线图
python使用matplotlib可视化折线图.在可视化图像中同时绘制多条折线图目录 python使用matplotlib可视化折线图.在可视化图像中同时绘制多条折线图
卷积神经网络特征图可视化热图可视化
文章目录前言一.可视化特征图二.热力图可视化(图像分类) 总结前言使用pytorch中的钩子将特征图和梯度勾出来,从而达到可视化特征图(featuremap)和可视化热图(heatmap)的 ...
用计算机图形学画字母,r 语言快速出图——单因素方差带字母显著性标记
相信带字母的显著性标记图大家都不会陌生,在许多文献中多可以看到类似的图.首先来看看它长啥样用不同的字母来表示显著性,字母相同不显著不管是在月末组会汇报,还是自己写文章过程中都会用到.今天就一起来学 ...
R绘制带显著性标记的热图
今天小编接着来介绍R绘制带有显著性的热图. 测试数据文件: ①table1.txt ②col_group.txt ③row_group.txt 1.导入pheatmap包,读取数据: #导入包 lib ...
R语言使用ggplot2包geom_jitter()函数绘制分组（strip plot，一维散点图）带状图（添加箱图、带缺口的小提琴图、小提琴图）实战
R语言使用ggplot2包geom_jitter()函数绘制分组(strip plot,一维散点图)带状图(添加箱图.带缺口的小提琴图.小提琴图)实战目录 R语言使用ggplot2包geom_jit ...
sklearn基于make_scorer函数为Logistic模型构建自定义损失函数并可视化误差图(lambda selection)和系数图（trace plot）+代码实战
sklearn基于make_scorer函数为Logistic模型构建自定义损失函数并可视化误差图(lambda selection)和系数图(trace plot)+代码实战 # 自定义损失函数 i ...
影像组学视频学习笔记[44(End)]-带95%置信区间的折线图、Li‘s have a solution and plan.
作者:北欧森林链接:https://www.jianshu.com/p/971eeaa03ec9 来源:简书,已获授权转载本笔记来源于B站Up主: 有Li 的影像组学系列教学视频本节(44)主要 ...
在origin 2018中同时画两个图，带errorbar和不带errorbar两种情况
在origin 2018中同时画两个图,带errorbar和不带errorbar两种情况在一个图层里同时画两幅图两幅图坐标可不一致 ①在当前图层中,选中图层左上角的 1 标志 ②右键 1 →图层内 ...

什么是误差图？今天带你了解可视化误差图，让数据一目了然

1. 显示测量误差

2. 显示预测误差

什么是误差图？今天带你了解可视化误差图，让数据一目了然相关推荐

最新文章

热门文章