python 带误差棒的 多条折线图 python画误差图

如何绘制论文中好看又高级的误差图，本文旨在解决如下类似的图的绘制

准备工具：Python

参考：https://zhuanlan.zhihu.com/p/147274030参考文章

首先是引入需要的库

import pandas as pd 
import matplotlib.pyplot as plt 
import numpy as np
from mpl_toolkits.axes_grid1.inset_locator import inset_axes # 用于创建具有给定宽度和高度的插入轴
from matplotlib.patches import ConnectionPatch   #
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体  还有仿宋、楷体、微软雅黑：'FangSong', 'KaiTi', 'Microsoft YaHei'
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

读取数据

# Data read 

data1 = pd.read_csv('data1.csv', header= None) # 防止第一行被读作 header
data2 = pd.read_csv('data2.csv', index_col = 0) # 设置第一列为 index

关于读取数据的具体操作详解请见

绘制主图

t = range(800)  # 绘制时间轴长度为 800
    plt.rcParams['figure.figsize'] = (14.0, 6.0) # 图片大小设置为 14英寸，6英寸
    fig, ax = plt.subplots() # fig is figure object, and ax is axes object
    LW = 0.8 # 线宽
    ca = plt.gca() # gca means "get current axis"
    ca.spines['right'].set_linestyle('--')  # 右侧轴的设置线形 
    ca.spines['right'].set_linewidth(1) # 右侧轴的设置线宽
    ca.spines['right'].set_color('gray')	#  右侧轴的设置线的颜色
    ca.spines['top'].set_linestyle('--')  # 顶部轴的
    ca.spines['top'].set_linewidth(1) 
    ca.spines['top'].set_color('gray')
    ca.spines['left'].set_linewidth(1.5)   #  左侧轴
    ca.spines['bottom'].set_linewidth(1.5)  #   底部轴
     
    ax.plot(t, data1.iloc[0,0:800], color = 'red', linewidth = LW , linestyle = '-' , label = '原始数据')  
    #  绘制颜色为红色，x轴为t，y轴为 data1.iloc[0,0:800] 的线宽为LW图，标签为原始数据。
    ax.plot(t, data2[0,0:800], color = 'darkgreen', linewidth = LW , linestyle = '-' , label = '传统模型')
    ax.plot(t, data3.iloc[0,0:800], color = 'darkred', linewidth = LW , linestyle = '-' , label = 'RBF')
    ax.plot(t, data4.iloc[0,0:800], color = 'darkcyan', linewidth = LW , linestyle = '-' , label = 'GRNN')
    ax.plot(t, data5.iloc[0:800,0], color = 'black', linewidth = LW , linestyle = '-' , label = 'GRU') 
    ax.plot(t, data6.iloc[0:800,0], color = 'royalblue', linewidth = LW , linestyle = '-' , label = 'LSTM')
    ax.set_xlabel('时间/s')  #  设置 x 轴标签
    ax.set_ylabel('残差') #  设置 y 轴标签
    ax.set_title('残差对比图')  #  设置题目
    ax.set_xlim((0,800))  #  设置 x 轴的范围
    ax.set_ylim((-0.07,0.12))  # 设置 y 轴范围
    ax.legend(loc = 'upper left', shadow = True, framealpha = 1, fontsize = 10, edgecolor = 'black')  
    #  加入legend 位置为左上，带阴影，框架透明度为1，字体大小为10，边框颜色为黑。

绘制子图

插入子图应用 ax.inset_axes((a, b, c, d))，其中a, b分别表示子图在主图 x 轴与 y 轴的起始位置（数值从0-1, 表示比例），c, d 表示子图占主图的 x, y 轴的长度比例。

axins = ax.inset_axes((0.45, 0.58, 0.45, 0.4))  #  插入子图的轴
    zone_left = 550  # 子图的 x 轴左界
    zone_right = 650  # 子图的 x 轴右界
    t_ins = range(zone_left, zone_right) #  子图的 x 时间轴
     #  绘制子图
    axins.plot(t_ins, data1[0, zone_left : zone_right], color = 'darkcyan', linewidth = LW , linestyle = '-' , label = 'GRNN')
    axins.plot(t_ins, data2.iloc[0, zone_left : zone_right], color = 'darkred', linewidth = LW , linestyle = '-' , label = 'RBF')
    axins.plot(t_ins, data3.iloc[0, zone_left : zone_right], color = 'darkgreen', linewidth = LW , linestyle = '-' , label = '传统模型')
    axins.plot(t_ins, data4.iloc[0, zone_left : zone_right], color = 'red', linewidth = LW , linestyle = '-' , label = '原始数据')
    axins.plot(t_ins, data5.iloc[zone_left : zone_right, 0],  color = 'black', linewidth = LW , linestyle = '-' , label = 'GRU')
    axins.plot(t_ins, data6.iloc[zone_left : zone_right, 0], color = 'royalblue', linewidth = LW , linestyle = '-' , label = 'LSTM')
    # 设置子图 x 轴与 y 轴区间
    axins.set_xlim((zone_left, zone_right))
    axins.set_ylim((-0.02,0.02))

主子图连接

主图中绘制方框就用正常的直线连接。

子图与主图的连接用 ConnectionPatch(xyA, xyB, coordsA="data", coordsB="data", axesA=axins, axesB=ax)，这里xyA是子图里面的点（按子图的坐标输入），xyB是主图里面的点，coordsA和coordsB默认值"data"，也不用改，然后就是axesA为子图轴对象，axesB为主图轴对象。

函数参考https://matplotlib.org/stable/api/_as_gen/matplotlib.patches.ConnectionPatch.html

axins.add_artist(connect_AB1) 用于添加连线。

# 在主图中绘制方框
ax.plot([zone_left, zone_left, zone_right, zone_right, zone_left], [-0.02, 0.02, 0.02, -0.02, -0.02], linestyle = '--', linewidth = 1, color = "black")
# 连接主图的方框与子图
connect_AB1 = ConnectionPatch((zone_left, -0.02),(zone_left, 0.02), coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)
axins.add_artist(connect_AB1)
connect_AB2 = ConnectionPatch((zone_right, -0.02),(zone_right, 0.02), coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)
axins.add_artist(connect_AB2)
# 保存图像 分辨率 dpi = 600  一般 600 已经很清楚了
plt.savefig('error.jpg', dpi = 600)

主图与子图之间还有另一种连接方式：

from mpl_toolkits.axes_grid1.inset_locator import mark_inset
mark_inset((parent_axes, inset_axes, loc1 = {1, 2, 3, 4}, loc2 = {1, 2, 3, 4}, alpha=0.5,fc='none',ec='r',ls='-.')

mark_inset意为插入图的标记

其中，parent_axes，inset_axes分别代表主图与子图的轴，loc1，loc2表示用于连接主图与子图轴区域的角，fc即facecolor，ec表示 edgecolor，其他参数与线状参数类似。

函数参考：https://matplotlib.org/stable/api/_as_gen/mpl_toolkits.axes_grid1.inset_locator.mark_inset.html#mpl_toolkits.axes_grid1.inset_locator.mark_inset

线型：

基础颜色：

标记：

位置参数：

进阶颜色：