要使用arviz.plot_ppc函数绘制后验预测均值的图形，需要首先安装和导入arviz库。然后，需要有MCMC采样的后验预测数据。

下面是一个使用PyMC3库生成MCMC采样的后验预测数据，并使用arviz.plot_ppc函数绘制后验预测均值的示例代码：

import pymc3 as pm
import arviz as az
import numpy as np

# 生成示例数据
np.random.seed(0)
x = np.random.normal(0, 1, 100)
y = np.random.normal(x, 1)

# 创建模型
with pm.Model() as model:
    mu = pm.Normal('mu', mu=0, sd=1)
    sigma = pm.HalfNormal('sigma', sd=1)
    y_obs = pm.Normal('y_obs', mu=mu, sd=sigma, observed=y)
    
    # 进行MCMC采样
    trace = pm.sample(1000, tune=1000)

# 生成后验预测数据
ppc = pm.sample_posterior_predictive(trace, model=model)

# 绘制后验预测均值图形
az.plot_ppc(az.from_pymc3(posterior_predictive=ppc), mean=True)

这段代码首先生成了示例数据x和y。然后，创建了一个PyMC3模型，其中包含一个正态分布的先验mu和一个半正态分布的先验sigma，以及一个观测数据y_obs。接下来，使用pm.sample函数进行MCMC采样，并将采样结果存储在trace中。最后，使用pm.sample_posterior_predictive函数生成后验预测数据，并使用az.plot_ppc函数绘制后验预测均值的图形。