繪製格式：

plt.bar(index, values, yerr = std, error_kw = {'ecolor' : '0.2', 'capsize' :6}, alpha=0.7)

yerr關鍵字引數：可傳入包含標準差的列表
error_kw={} , 接收顯示誤差線的關鍵字函式
eColor：指定誤差線的顏色
capsize ：指定誤差線兩頭橫線的寬度
alpha：控制彩色條狀圖的透明度， 範圍0-1

import matplotlib.pyplot as plt

index = np.arange(5)
values = [5, 6, 3, 4, 6]
SD =
 
 [0.8, 2, 0.4, 0.9, 1.3]
plt.title('A Bar Chart')
plt.bar(index, values, yerr = SD, error_kw = {'ecolor' : '0.2', 'capsize' :6}, alpha=0.7, label = 'First')
plt.xticks(index+0.2,['a', 'b', 'c', 'd', 'e'])
plt.legend(loc=2)
plt.show()

這裡的SD(Standard Deviation)為每個values對應的標準差，表示個體間變異大小的指標,反映了整個樣本對樣本平均數的離散程度；還有一個可以選擇的值為標準誤SEM(Standard Error of Mean)，反映樣本平均數對總體平均數的變異程度,從而反映抽樣誤差的大小。他們之間的關係：

因此，上面的標準差也可以用標準誤來代替。

參考：

用python進行視覺化展示

統計學上標準差與標準誤的區別與聯絡是什麼？