### 如何在 Matplotlib 中创建带误差线的折线图 为了在 Matplotlib 中创建带有误差线的折线图，可以利用 `errorbar` 函数来实现这一目标。此函数允许指定 y 数据及其对应的误差范围，并能自定义图表样式。 下面是一个简单的实例展示如何使用 `errorbar()` 来绘制一条具有误差棒的折线图： ```python import numpy as np import matplotlib.pyplot as plt # 创建一些测试数据 x = np.linspace(0, 10, 50) y = np.sin(x) # 假设这是测量中的标准差作为误差大小 yerr = 0.1 * np.abs(np.random.randn(len(y))) plt.figure(figsize=(8, 6)) plt.errorbar(x, y, yerr=yerr, fmt='-o', ecolor='red', capsize=5) plt.title('Sine Wave with Error Bars') plt.xlabel('X axis') plt.ylabel('Y axis') plt.show() ``` 这段代码先导入必要的库并生成一组用于绘图的数据点 `(x,y)` 及其相应的误差值 `yerr` 。接着调用 `errorbar()` ，其中参数 `fmt` 定义线条和标记风格；`ecolor` 设置误差棒的颜色；而 `capsize` 控制顶部横杠长度[^1]。 对于更复杂的场景，比如当需要在同一张图上显示两组不同尺度的数据时，则可采用双 Y 轴的方式呈现。这可以通过组合 `twinx()` 和 `errorbar()` 实现，如下所示： ```python fig, ax1 = plt.subplots() ax2 = ax1.twinx() ax1.set_xlabel('X data') ax1.set_ylabel('Exp Data', color='g') ax2.set_ylabel('Sin Data', color='b') n = 10 x = range(n) exp_data = (np.random.rand(n) - 0.5).cumsum(axis=0) sin_data = np.sin(np.pi * x / n) errors_exp = np.random.uniform(0.1, 0.3, size=n) errors_sin = errors_exp.copy() p1, = ax1.plot(x, exp_data, 'go-', label="Exponential") p2, = ax2.plot(x, sin_data, 'bs-', label="Sine") ax1.errorbar(x, exp_data, yerr=errors_exp, fmt='none', ecolor='green', elinewidth=2, capsize=4) ax2.errorbar(x, sin_data, yerr=errors_sin, fmt='none', ecolor='blue', elinewidth=2, capsize=4) lines = [p1, p2] ax1.legend(lines, [l.get_label() for l in lines]) for tl in ax2.get_yticklabels(): tl.set_color('b') for tl in ax1.get_yticklabels(): tl.set_color('g') plt.show() ``` 在此案例中，两个不同的数据集被分配给各自的坐标轴 (`ax1`, `ax2`) 并赋予了各自的颜色编码以便区分。同时为每条曲线添加了误差棒表示不确定性程度[^4]。