ScottPlot 5中实现Y轴误差填充区域的方法
2025-06-06 14:16:52作者:凤尚柏Louis
在数据可视化领域,误差表示是展示数据不确定性的重要手段。ScottPlot作为一款强大的.NET绘图库,在最新版本5.x中提供了更加灵活和强大的误差表示功能。本文将详细介绍如何在ScottPlot 5中实现Y轴误差的填充区域表示。
基本概念
误差填充区域(Error Fill Area)是一种直观展示数据波动范围的可视化方式。它通过在数据线周围创建半透明的彩色区域,清晰地显示出数据的误差范围或置信区间。这种表示方法特别适用于展示实验数据、统计结果或任何带有不确定性的测量值。
实现步骤
1. 准备数据
首先需要准备三组数据:
- X轴坐标值
- Y轴平均值
- Y轴误差值
// 生成X轴数据(0到π,步长0.05)
double[] xs = Generate.Range(0, Math.PI, 0.05);
// 生成Y轴数据(正弦函数加随机噪声)
double[] ys = xs.Select(x => Math.Sin(x) + Generate.RandomNumber(0.1)).ToArray();
// 生成误差数据(基于Y值的随机比例)
double[] yErr = ys.Select(x => x * Generate.RandomNumber(0.5) + 0.05).ToArray();
2. 计算误差边界
根据平均值和误差值计算上下边界:
// 计算Y-误差
double[] yErrNeg = Enumerable.Range(0, ys.Length)
.Select(x => ys[x] - yErr[x]).ToArray();
// 计算Y+误差
double[] yErrPos = Enumerable.Range(0, ys.Length)
.Select(x => ys[x] + yErr[x]).ToArray();
3. 创建误差填充区域
使用Add.FillY方法创建填充区域:
// 添加Y误差填充区域
var errFill = plot.Add.FillY(xs, yErrNeg, yErrPos);
// 设置填充样式
errFill.LineWidth = 0; // 不显示边界线
errFill.FillColor = Colors.Blue.WithAlpha(0.2); // 半透明蓝色填充
errFill.LegendText = "Error"; // 图例文本
4. 添加平均值曲线
为了清晰展示数据趋势,通常会同时绘制平均值曲线:
// 添加平均值折线图
var meanLine = plot.Add.ScatterLine(xs, ys);
// 设置线条样式
meanLine.LineColor = Colors.Blue;
meanLine.LineWidth = 2;
meanLine.LegendText = "Mean";
5. 完善图表
最后可以添加一些图表修饰:
// 设置图例位置
plot.Legend.Alignment = Alignment.UpperRight;
效果说明
通过上述代码,我们将得到一张包含以下元素的图表:
- 一条蓝色的实线表示数据的平均值
- 围绕平均值线的半透明蓝色区域表示误差范围
- 右上角的图例说明各元素的含义
这种表示方法使得数据的波动范围一目了然,特别适合用于科学论文、实验报告等需要精确展示数据不确定性的场合。
进阶技巧
-
颜色自定义:可以通过调整
WithAlpha参数改变填充区域的透明度,值越小越透明。 -
边界线控制:如果需要显示边界线,可以设置
LineWidth大于0,并通过LineColor设置边界线颜色。 -
不对称误差:如果上下误差不对称,只需分别计算上下边界即可实现。
-
性能优化:对于大数据集,可以考虑使用
Add.FillY的重载方法直接传入边界值,避免额外的数组计算。
ScottPlot 5的这套API设计既保持了简洁性,又提供了足够的灵活性,能够满足各种误差可视化的需求。通过合理组合这些方法,用户可以创建出既美观又专业的科学图表。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271