如何更具體地繪制 seaborn 線圖

Question

給定一個質量 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 。 （顯示的值是任意改變的）

我想想象一下隨着year的增加， count如何分布不同，這可以通過百分位數 plot 最有效地顯示。 但是，由於我的數據是在 DataFrame 中給出的，我認為更可行（坦率地說，更簡單）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：

該圖在某種程度上起到了一定的作用，盡管我希望顯示比單個百分位梯度具有更多的可變性。 （一個很好的例子是下圖的 10 個百分位梯度，從這個鏈接復制： Using percentiles of a timeseries to set color gradient in Python's matplotlib ）

我想知道是否有辦法使用seaborn.lineplot來實現如此詳細的繪圖，如果沒有，是否有辦法從pandas ZBA834BA059A9A379459C112E457 數據中做到這一點

Answer 1

一旦您生成了第一個置信區間或僅生成直線，您可以使用matplotlib ，如本文所示創建多個置信區間。

另一個選項是 plot 使用sns.lineplot在同一個數字上，但我認為 seaborn 不適合這個。 以數據集flights為例，首先我們 plot 中線或平均線：

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")

然后我們設置一個調色板並繼續添加沒有線條的波段（設置 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]})

給出這樣的東西：