该领域存在多个问题,但我无法用它们来解决我的问题。我有一个数据样本,我想为其曲线创建置信区间。这里我提供一个简单的例子:
import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
mean, lower, upper = [],[],[]
ci = 0.2
for i in range (20):
a = np.random.rand(100) # this is the output
MEAN = np.mean(a)
mean.append(MEAN)
std = np.std(a)
Upper = MEAN+ci*std
Lower = MEAN-ci*std
lower.append(Lower)
upper.append(Upper)
plt.figure(figsize=(20,8))
plt.plot(mean,'-b', label='mean')
plt.plot(upper,'-r', label='upper')
plt.plot(lower,'-g', label='lower')
plt.xlabel("Value", fontsize = 30)
plt.ylabel("Loss", fontsize = 30)
plt.xticks(fontsize= 30)
plt.yticks(fontsize= 30)
plt.legend(loc=4, prop={'size': 30})
在上面的例子中,我画了%80置信区间。我有两个问题:
1-您能告诉我这种计算和绘制置信区间的方法是否正确吗?
2-我想为置信区间的阴影区域着色。我附上了一张图,我想要类似的东西。请问您有什么解决办法吗?感谢您的帮助。
最佳答案
我没有资格回答问题 1,但是这个问题的答案 SO question从您的代码中产生不同的结果。
对于问题 2,您可以使用 matplotlib fill_ Between
填充两条曲线之间的区域(示例的上部和下部)。
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats
# https://stackoverflow.com/questions/15033511/compute-a-confidence-interval-from-sample-data
def mean_confidence_interval(data, confidence=0.95):
a = 1.0 * np.array(data)
n = len(a)
m, se = np.mean(a), scipy.stats.sem(a)
h = se * scipy.stats.t.ppf((1 + confidence) / 2., n-1)
return m, m-h, m+h
mean, lower, upper = [],[],[]
ci = 0.8
for i in range (20):
a = np.random.rand(100) # this is the output
m, ml, mu = mean_confidence_interval(a, ci)
mean.append(m)
lower.append(ml)
upper.append(mu)
plt.figure()
plt.plot(mean,'-b', label='mean')
plt.plot(upper,'-r', label='upper')
plt.plot(lower,'-g', label='lower')
# fill the area with black color, opacity 0.15
plt.fill_between(list(range(len(mean))), upper, lower, color="k", alpha=0.15)
plt.xlabel("Value")
plt.ylabel("Loss")
plt.legend()
关于python - 如何在Python中绘制时间序列数据的置信区间?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/71916767/