基于多索引 pandas 数据框使用 matplotlib 绘制误差条

我在 pandas 中有以下数据框：

>>>name   Hour   trt_level    stress   date          value
0  D43    9         H         control  2019-06-07    0.4561
1  D43    10        H         control  2019-06-07    0.3216
2  D42    8         M         stress   2019-06-07    0.2143
3  D42    9         M         stress   2019-06-07    0.1342
4  D21    8         L         stress   2019-06-07    0.3214
...

我想用 mse/std 创建带有误差栏的折线图，如下所示：

from : https://matplotlib.org/1.2.1/examples/pylab_examples/errorbar_demo.html但是 https://matplotlib.org/1.2.1/examples/pylab_examples/errorbar_demo.htmlbut就我而言：X 轴应该是小时，y 轴应该是值，三行，每一行代表治疗级别（trt_level），所以行代表 H、M、L。

为了做到这一点，我使用了函数 groupby 和 agg ：

data = df.groupby(['trt_level','Hour']).agg([np.mean, np.std])
data.head()

>>>                value
                   mean      std
trt_level  Hour   
H           7      0.231      0.0058
            8      0.212      0.0094
            9      0.431      0.1154
...

这给了我数据库，其中包含治疗和时间作为索引以及值的平均值和标准差， 但问题是，当我尝试绘制它时，我只得到一行，上面没有 std：

data = data['value'] 
qual.plot(kind = "line", y = "mean", legend = False,  
          xerr = "std", title = "test", color='green')

当我想要的结果应该有三行，并且 std 位于顶部时（如果可以是 MES 而不是 std 更好，但对于这个问题，我更多地关注三行和 std 的显示）

我的最终目标是获得更像这样的图表（对于可怕的抽签感到抱歉）：

但一直以来

就快到了。您必须取消堆叠多索引数据框。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

#My test file contained at least two values per condition to calculate an SD value
#df = pd.read_csv("test.txt", sep = "\s{2,}") 

dfm = df.groupby(["trt_level","Hour"]).agg([np.mean, np.std])

dfm["value"].unstack(level=0).plot(y = "mean", yerr = "std", title = "TRT levels are really important!", color = list("rbg"))

plt.show()

样本输出

BTW: kind="line"不必指定，它是默认的。 pandas 文档列出了所有可能的关键字kind. https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html