我是数据科学的新手。我有一个关于简单的seaborn factorplot的问题。这条线段代表什么意思？
这是我的测试。
import pandas as pdimport seaborn as snsx3 = [1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5]y3 = [0, 1, 1, 1, 0, 3, 1, 0, 1, 1, 3, 2, 3, 2, 3, 3, 2, 3, 2, 2]data = {'x': x3, 'y': y3}test3 = pd.DataFrame(data)sns.factorplot(x='Pclass', y='Survived', data=test3)结果是
通过这个简单的测试，我知道图表中的每个点代表的是y在所有相同x值下的平均值（exp）。例如，当x = 1时，我们有(1, 0), (1, 3), (1, 3), 和(1, 3)，所以平均值是(0 + 3 + 3 + 3) / 4 = 2.25。然而，我不知道为什么x = 1的线段是从0.75到3.0，而不是[0.0, 3.0]？
我尝试在网上寻找factorplot的源代码或任何有用的解释或文档，但没有找到好的结果。
谁能帮帮我，非常感谢。
回答：
我使用位于github仓库顶部的“搜索此仓库”搜索栏进行了查找。
搜索“factorplot”让我找到了seaborn/categorical.py和class _CategoricalPlotter(object)，这又让我找到了_BarPlotter(_CategoricalStatPlotter)，它的文档字符串是“使用条形图显示点估计和置信区间。”，并且它的__init__包括self.estimate_statistic(estimator, ci, n_boot)。
estimate_statistic(self, estimator, ci, n_boot)的函数定义位于class _CategoricalStatPlotter(_CategoricalPlotter)（仍然在categorical.py文件中）。在那里，初始化了一个空列表confint（即置信区间），并填充了：
boots = bootstrap(stat_data, func=estimator, n_boot=n_boot, units=unit_data) confint.append(utils.ci(boots, ci))所以你提到的垂直误差条是自助法置信区间。
