python - 将散点数据转换为误差条等于标准差的分箱数据

Question

我有一堆分散在 x, y 上的数据。如果我想根据 x 对它们进行分箱，并在它们上放置等于标准差的误差条，我该怎么做？

我在 python 中唯一知道的是遍历 x 中的数据并根据 bins (max(X)-min(X)/nbins) 对它们进行分组，然后遍历这些 block 以找到标准。我确信有更快的方法可以使用 numpy 执行此操作。

我希望它看起来类似于“vert symmetric”:http://matplotlib.org/examples/pylab_examples/errorbar_demo.html

Answer 1

您可以使用 np.histogram 对数据进行分箱。我正在重用 this other answer 中的代码计算分箱 y 的均值和标准差:

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(100)
y = np.sin(2*np.pi*x) + 2 * x * (np.random.rand(100)-0.5)
nbins = 10

n, _ = np.histogram(x, bins=nbins)
sy, _ = np.histogram(x, bins=nbins, weights=y)
sy2, _ = np.histogram(x, bins=nbins, weights=y*y)
mean = sy / n
std = np.sqrt(sy2/n - mean*mean)

plt.plot(x, y, 'bo')
plt.errorbar((_[1:] + _[:-1])/2, mean, yerr=std, fmt='r-')
plt.show()