如何更具体地绘制 seaborn 线图

Question

给定一个质量 DataFrame df ：

year        count
1980        -23
1980        -4
1981        10
1982        0
1982        4
...
2007        27
2008        0
2008        0
2009        -7
2009        5

值首先按year排序，然后是count 。 （显示的值是任意改变的）

我想想象一下随着year的增加， count如何分布不同，这可以通过百分位数 plot 最有效地显示。 但是，由于我的数据是在 DataFrame 中给出的，我认为更可行（坦率地说，更简单）的方法是使用seaborn.lineplot ：

import matplotlib.pyplot as plt
import seaborn as sns

fig, ax = plt.subplots(figsize=[16,12])

plt.axhline(y=0, color='black', linestyle='dotted')
sns.lineplot(x="year", y="count", ax=ax, data=df, color='red')

返回：

该图在某种程度上起到了一定的作用，尽管我希望显示比单个百分位梯度具有更多的可变性。 （一个很好的例子是下图的 10 个百分位梯度，从这个链接复制： Using percentiles of a timeseries to set color gradient in Python's matplotlib ）

我想知道是否有办法使用seaborn.lineplot来实现如此详细的绘图，如果没有，是否有办法从pandas ZBA834BA059A9A379459C112E457 数据中做到这一点

Answer 1

一旦您生成了第一个置信区间或仅生成直线，您可以使用matplotlib ，如本文所示创建多个置信区间。

另一个选项是 plot 使用sns.lineplot在同一个数字上，但我认为 seaborn 不适合这个。 以数据集flights为例，首先我们 plot 中线或平均线：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

flights = sns.load_dataset("flights")
fig,ax = plt.subplots(1,1)

sns.lineplot(data=flights, x="year", y="passengers",ax=ax,ci=None,color="black")

然后我们设置一个调色板并继续添加没有线条的波段（设置 linestyle = ''）：

cm = sns.color_palette("Blues",9)

for ix,ci in enumerate(range(10,90,10)):
    sns.lineplot(data=flights, x="year", y="passengers",
                 ci = ci,
                 ax=ax,linestyle='',
                 hue = ci,palette={ci:cm[ix]})

给出这样的东西：