绘制大量的＆＃34;线＆＃34;作为阴影或颜色强度

Question

我有各种大熊猫数据帧，其中包含多达2000个时间序列。显然，一个简单的df.plot()并没有真正显示任何有用的东西（并且需要几分钟的时间来绘制）。但至少我可以很容易地得到（和绘制）一个（滚动）的意思。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，人们可以看到底层数据＆＃34;表现如何＆＃34;：

它在零附近相当对称，大多数数据在+1和-1之间，相当多的是在+1和+2之间，以及-1和-2之间，有些东西发生在2/3括号和一些异常值上升（或下降）到几乎+（ - ）4。

为什么人们可以轻松掌握这一点？显然，这是由于每个区域的线数，以及区域的强度或阴影。当我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定量的东西？

即。 2-4支架应该有不同深浅的浅灰色，1-2个中灰色，0-1深灰色，这样平均值就会放在图中几乎黑色的区域顶部，这样我最终会得到50灰色阴影，也许是一个颜色条来启动。

我可能会玩各种颜色的灰色作为基色，看看不同的alphas为更好的视觉效果设置了什么，但这看起来很糟糕。

另一个选择是执行max_df = df.max(1)和min_df = df.min(1)之类的操作，然后使用matplotlib填充（plt.fill_between(df.index, min_df, max_df)）并以某种方式重复此操作以获得各种级别（即1，与平均值相差2和3的标准差，这样我就会以某种连续的箱形图结束。

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/需要的内容，所以，如果您对此问题有任何问题/意见，请发表评论，我会看到我可以编辑的内容让自己更清楚。

Answer 1

另一种可视化密度数据的方法是使用核密度估算：

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