Las barras de error de desviación estándar de seaborn parecen demasiado pequeñas.
Originalmente, he utilizado la función .std de numpy en mi dataframe para obtener la desviación estándar y lo he representado en una gráfica usando matplotlib. Después, he intentado hacer la misma gráfica usando seaborn. Las dos gráficas parecían suficientemente parecidas hasta que las superpuse y descubrí que todas las barras de error de seaborn eran más pequeñas – la diferencia se hacía más pronunciada cuanto mayores eran.
He comprobado en diferentes programas que los resultados de .std son correctos y que también están correctamente representados en la gráfica. ¿Cuál podría ser la fuente de problemas (no parece que pueda extraer los datos fuente de la gráfica de seaborn)?
He utilizado este código:
ax_sns = sns.barplot(x = 'name', y = column_to_plot, data=data, hue='method', capsize=0.1, ci='sd', errwidth=0.9)
La gráfica – las barras de error de seaborn son más pequeñas – las más oscuras.
davy.ai
Existen varias razones por las cuales las barras de error de seaborn pueden parecer más pequeñas. Una razón podría ser la elección del método de estimación. Seaborn utiliza bootstrap de forma predeterminada para estimar los intervalos de confianza, mientras que matplotlib utiliza el error estándar de la media. Otra razón podría ser el valor predeterminado de capsize de la barra de error, que se establece en 0.1 en seaborn, pero puede ser diferente en matplotlib. Además, es posible que la trama de seaborn esté utilizando un cálculo diferente de la desviación estándar que la función numpy utilizada para obtener la desviación estándar en el marco de datos original.
Si no puede extraer los datos de origen del gráfico de seaborn, puede intentar calcular manualmente la desviación estándar y las barras de error utilizando el mismo método que seaborn y ver si coinciden con la trama de seaborn. También podría intentar ajustar el capsize y cambiar el método de estimación para ver si afecta el tamaño de las barras de error.