### 如何用Python Matplotlib或Seaborn库绘制带显著性标注的柱状图 为了实现带有显著性标记的柱状图，可以结合 `matplotlib` 和 `seaborn` 库完成基本图形绘制，并利用第三方库 `statannotations` 添加显著性标注。以下是具体方法： #### 使用 Seaborn 和 statannotations 实现显著性标注 `seaborn` 是基于 `matplotlib` 的高级数据可视化工具，能够快速生成美观的图表。对于显著性标注的需求，可以通过引入 `statannotations` 来增强功能。 ```python import seaborn as sns from statannotations.Annotator import Annotator import matplotlib.pyplot as plt # 加载示例数据集 df = sns.load_dataset("tips") # 创建画布和子图 fig, ax = plt.subplots(figsize=(8, 6)) # 绘制分组柱状图 sns.barplot(data=df, x="day", y="total_bill", hue="sex", capsize=0.2, errwidth=1, ax=ax) # 设置显著性比较配对 pairs = [(("Thur", "Female"), ("Thur", "Male")), (("Fri", "Female"), ("Fri", "Male"))] # 配置Annotator对象并应用到当前轴上 annotator = Annotator(ax, pairs, data=df, x="day", y="total_bill", hue="sex") annotator.configure(test='Mann-Whitney', text_format='star').apply_and_annotate() plt.title("带有显著性标注的分组柱状图") plt.tight_layout() plt.show() ``` 上述代码实现了以下功能： - 利用 `sns.barplot()` 方法绘制了一个按性别分类的日销售额柱状图[^3]。 - 定义了两组对比关系（即周四女性 vs 周四男性、周五女性 vs 周五男性的销售总额），并通过 `Annotator` 对象自动计算 p-value 并显示星号表示显著性水平[^4]。 #### 手动添加显著性标记的方法 如果不希望依赖额外库，也可以手动调整位置参数来放置文本标签代表不同等级的统计学意义。 ```python import numpy as np # ...继续前面的例子... bar_positions = [] for container in ax.containers: bar_positions += [rect.get_x() + rect.get_width()/2 for rect in container.patches] y_max = max([patch.get_height() for patch in ax.patches]) * 1.1 def add_significance(x1, x2, height, sig_level): """辅助函数用于指定两个条形之间的连线""" line_y = height + (sig_level / 5) * .1*y_max plt.plot([x1, x1, x2, x2], [height+.05*y_max]*2+[line_y]*2,"k-", lw=1.5) plt.text((x1+x2)/2, line_y+(sig_level/7)*.1*y_max, f"*{'*'*(sig_level-1)}", ha='center', va='bottom') add_significance(bar_positions[0], bar_positions[1], df[df['day']=='Thur']['total_bill'].mean(), 3) add_significance(bar_positions[2], bar_positions[3], df[df['day']=='Fri']['total_bill'].mean(), 2) plt.ylim(0, y_max) plt.show() ``` 此部分展示了如何不借助外部插件的情况下自定义显著性指示器的位置与样式[^1]。 ---