seaborn.objects.Est#

class seaborn.objects.Est(func='mean', errorbar=('ci', 95), n_boot=1000, seed=None)#

計算點估計值和誤差條區間。

關於各種 errorbar 選項的詳細資訊，請參閱誤差條教學。

其他變數

  • weight：當傳遞給使用此統計量的圖層時，將計算加權估計值。 請注意，目前使用權重會將函數和誤差條方法的選擇限制為 "mean" 和 "ci"。

參數:
func字串或可呼叫物件

numpy.ndarray 方法的名稱或向量 → 純量函數。

errorbar字串、(字串、浮點數) 元組或可呼叫物件

誤差條方法的名稱 (「ci」、「pi」、「se」 或 「sd」 其中之一)，或是包含方法名稱和層級參數的元組，或是將向量對應至 (最小值、最大值) 區間的函數。

n_boot整數

為「ci」誤差條繪製的 bootstrap 樣本數。

seed整數

用於繪製 bootstrap 樣本的 PRNG 的種子。

範例

預設行為是計算平均值和 95% 信賴區間 (使用 bootstrapping)

p = so.Plot(diamonds, "clarity", "carat")
p.add(so.Range(), so.Est())
../_images/objects.Est_1_0.png

如果其他估計器是 pandas 方法，則可以按名稱選擇

p.add(so.Range(), so.Est("median"))
../_images/objects.Est_3_0.png

計算誤差條區間有多種選項，例如 (縮放) 標準誤差

p.add(so.Range(), so.Est(errorbar="se"))
../_images/objects.Est_5_0.png

誤差條也可以使用 (縮放) 標準差表示估計值周圍的分佈範圍

p.add(so.Range(), so.Est(errorbar="sd"))
../_images/objects.Est_7_0.png

因為信賴區間是使用 bootstrapping 計算的，所以會有少量的隨機性。 增加 bootstrap 迭代次數可以減少隨機變異性 (雖然這樣會較慢)，或者可以透過設定亂數產生器的種子來消除。

p.add(so.Range(), so.Est(seed=0))
../_images/objects.Est_9_0.png

若要計算加權估計值 (和信賴區間)，請在使用統計量的圖層中指定 weight 變數

p.add(so.Range(), so.Est(), weight="price")
../_images/objects.Est_11_0.png