誤差線用於顯示數據的不確定程度，誤差一般使用標准差（Standard Deviation）或標准誤差（Standard Error）。
標准差（SD）：是方差的算術平方根。如果是總體標准差，那么用σ表示，如果是樣本標准差，那么用s表示。標准差反映數據集的離散程度，標准差越小，就說明數據越集中在其平均值附近。公式：
（總體），
（樣本）
（總體），
（樣本）
標准誤差（SE）：是樣本分布的標准差。如果是樣本平均數分布的標准差，那么就稱為SEM（standard error of the mean），就是說每次從總體中抽取n個樣本，抽取很多次后，每次抽樣的平均值（
）就形成了一個數據分布，這個數據分布有自己的平均值和標准差。抽樣的平均值分布的平均數應該接近總體平均數（
μ）。標准誤差反映
樣本（sample）對於總體（population）的差異性，每次抽樣的樣本數越多，標准誤差就越小。公式：
）就形成了一個數據分布，這個數據分布有自己的平均值和標准差。抽樣的平均值分布的平均數應該接近總體平均數（
μ）。標准誤差反映
樣本（sample）對於總體（population）的差異性，每次抽樣的樣本數越多，標准誤差就越小。公式：
下面利用Nathan Yau所著的《鮮活的數據：數據可視化指南》一書中的數據，學習畫圖。
數據地址：http://datasets.flowingdata.com/crimeRatesByState2005.csv
以下是這個數據文件的前5行：
state murder forcible_rape robbery aggravated_assault \ 0 United States 5.6 31.7 140.7 291.1 1 Alabama 8.2 34.3 141.4 247.8 2 Alaska 4.8 81.1 80.9 465.1 3 Arizona 7.5 33.8 144.4 327.4 4 Arkansas 6.7 42.9 91.1 386.8 burglary larceny_theft motor_vehicle_theft population 0 726.7 2286.3 416.7 295753151 1 953.8 2650.0 288.3 4545049 2 622.5 2599.1 391.0 669488 3 948.4 2965.2 924.4 5974834 4 1084.6 2711.2 262.1 2776221
這是美國各州各種犯罪行為的發生率（每10萬人口）。
讓我們畫一個圖，把全美各犯罪率的平均數，標准差展現出來。
誤差線： ax.errorbar(x,y,yerr=error size in y axis,xerr=error size in x axis)
代碼如下：
import numpy as np import pandas as pd from matplotlib import pyplot as plt crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv") fig,ax=plt.subplots(figsize=(8,4)) col=crime.columns.astype(str) #提取列名，將來做x軸刻度標簽 crime=crime[1:] #把第一行US的數據去除 data=crime.loc[:,"murder":"motor_vehicle_theft"] #提取數據部分，以便將來進行計算 crime.loc["mean"]=data.apply(np.mean) #增加一行，為數據每列的均值，apply函數用於數據每一列 crime.loc["standard deviation"]=data.apply(np.std) #增加一行，為數據每列的標准差，apply函數用於數據每一列 #畫誤差線，x軸一共7項，y軸顯示平均值，y軸誤差為標准差 ax.errorbar(np.arange(7),crime.loc["mean","murder":"motor_vehicle_theft"],\ yerr=crime.loc["standard deviation","murder":"motor_vehicle_theft"],\ fmt="o",color="blue",ecolor='grey',elinewidth=2,capsize=4) ax.set_xticklabels(col,rotation=45) #設置x軸刻度標簽，並使其傾斜45度，不至於重疊 plt.show()
圖像如下：
另外，還可以在柱形圖或條形圖上畫誤差線，分別在ax.bar命令里加上yerr參數，或在ax.barh命令里加上xerr參數即可。