Данные повторяются для нескольких участников (p), каждое с несколькими испытаниями, половина из которых подпадает под два bin_trials (1 и 2).Это всего лишь маленький образец.Я знаю, что последний столбец отсутствует, это было просто слишком много данных для вопроса.
p tr bin_trial cor_gaze_perc cor_gaze_key_perc
0 2 1 1 1.00 1.00
1 2 2 1 1.00 1.00
2 2 3 1 0.00 0.00
3 2 4 1 0.50 0.50
4 2 5 1 0.75 0.75
5 2 6 1 0.50 0.50
6 2 7 1 0.50 0.50
7 2 8 1 0.25 0.25
8 2 9 1 1.00 1.00
9 2 10 1 0.50 0.50
10 2 11 1 1.00 1.00
11 2 12 1 1.00 1.00
12 2 13 1 1.00 1.00
13 2 14 1 1.00 1.00
14 2 15 1 0.50 0.50
15 2 16 2 1.00 1.00
16 2 17 2 1.00 1.00
17 2 18 2 1.00 1.00
18 2 19 2 0.75 0.75
19 2 20 2 1.00 1.00
20 2 21 2 1.00 1.00
21 2 22 2 1.00 1.00
22 2 23 2 0.60 0.40
23 2 24 2 1.00 1.00
24 2 25 2 0.00 0.00
25 2 26 2 0.00 0.00
26 2 27 2 1.00 1.00
27 2 28 2 0.00 0.00
28 2 29 2 1.00 1.00
29 2 30 2 0.50 0.50
Я хочу получить график, который выглядит примерно так:
Я видел этот предыдущий ответ Несколько баррелей Seaborn , предлагающих использовать melt, чтобы затем использовать параметр hue.Тем не менее, если я сделаю это, мне нужно рассчитать CI отдельно.Не говоря уже о том, что это кажется излишним, поскольку библиотека уже может агрегировать данные и автоматически вычислять значения CI, когда параметры передаются подходящим способом.
Я знаю, что в качестве последнего средства я могу использовать pivot_table для ручной агрегации данных и вычисления значений CI.
Так что мой вопрос сводится к тому, является ли подход hue единственным способомсделать это?Или есть способ, который будет использовать столбцы в соответствии с данными, а также вычислять CI на лету при построении?