Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

4.5

 誤差の可視化

241

Mpc

＊

1

であり、観測データからの推定は

74

±

5(km/s)/Mpc

となりました。これらの値は一貫して

いるでしょうか。それは定量的に答えられる質問です。

データと結果の可視化では、これらの誤差を効果的に表示することでもっと完全な情報を伝える

ことができます。

4.5.1

 基本的なエラーバー

基本的なエラーバーは、

1

回の

Matplotlib

の関数呼び出しで作成できます（図 4-27）。

In[1]: %matplotlib inline

import matplotlib.pyplot as plt

plt.style.use('seaborn-whitegrid')

import numpy as np

In[2]: x = np.linspace(0, 10, 50)

dy = 0.8

y = np.sin(x) + d

y * np.random.randn(50)

plt.errorbar(x, y, yerr=dy, fmt='.k');

図4-27　エラーバーの例

fmt

は線と点の外観を制御する書式コードであり、「4.3 単純な線グラフ」および「4.4 単純な

散布図」で説明した

plt.plot

の略語と同じ値を使います。

これらの基本オプションに加えて、

errorbar

メソッドには出力を微調整するための多くのオプ

ションがあります。これらの追加オプションを使用すると、エラーバープロットの見た目を簡単に

カスタマイズできます。点そのものよりもエラーバーを明るい色にすれば、特に混雑したプロット ...