python - 将大量“线条”绘制为阴影或颜色强度

Question

我有各种熊猫数据框，其中包含多达 2000 个时间序列。显然，一个简单的df.plot()并没有真正显示出任何有用的东西（并且需要几分钟来绘制）。但至少我可以很容易地得到（并绘制）一个（滚动的）平均值。简单的例子：

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
df = pd.DataFrame(np.random.randn(1000, 14), index=ts.index, columns=list('ABCDEFGHIJKLMN'))
mean_df = df.mean(1)
rolling_mean = mean_df.rolling(window = 60, center = True)
ax = df.plot(style=':')
rolling_mean.mean().plot(ax=ax)

通过这个小例子，我们可能会看到底层数据的“行为”：

它在零附近非常对称，大部分数据在 +1 和 -1 之间，相当多的数据在 +1 和 +2 之间，以及 -1 和 -2 之间，有些东西发生在 2/3 括号中，有些异常值上升（或下降）到几乎 +(-)4。

为什么很容易掌握这一点？显然，这是由于每个区域的线数，以及该区域的强度或阴影。当我去单色时变得更加清晰：

然而，这缺乏对密度或线数的量化。我怎样才能把它变成量化的东西？

即 2-4 括号应该有各种深浅不一的浅灰色、1-2 中灰色、0-1 深灰色，这样平均值就会放在图表中几乎黑色区域的顶部，所以我最终得到50 种灰色阴影，也许还有一个彩条。

我可能会玩弄各种深浅不一的灰色作为基色，看看设置不同的 alpha 会产生什么效果以获得更好的视觉效果，但这似乎很老套。

另一种选择是执行类似的操作max_df = df.max(1)，min_df = df.min(1)然后使用 matplotlib 在 ( plt.fill_between(df.index, min_df, max_df)) 之间填充，并以某种方式对各种级别重复此操作（即，与平均值相差 1、2 和 3 个标准差），以便我以某种方式结束的连续箱线图。

但我想知道是否有更好的方法来做到这一点。

另外：我不确定如何最好地描述我想要/需要的东西，所以，如果您对此问题有任何疑问/意见，请发表评论，我会看看我可以编辑什么以使自己更清楚。

标签： pythonpandasmatplotlibdata-visualization

Answer 1

另一种可视化密度数据的方法是使用核密度估计：

df.plot.kde()
plt.xlim(-4,4)
plt.grid()
plt.show()