将大量“线条”绘制为阴影或颜色强度

Question

我有各种 pandas 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，我们大概可以看到底层数据的“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，有些事情发生在 2/3括号和一些异常值上升（或下降）到几乎 +(-)4。

为什么可以轻松掌握这一点？显然，这是由于每个区域的线数，以及该区域的强度或阴影。当我变成单色时变得更加清晰：

但是，这缺少对密度或行数的量化。 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灰色阴影，也许还有一个彩条。

我可能会尝试使用各种灰度作为基色，看看设置不同的 alpha 值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 max_df = df.max(1) 和 min_df = df.min(1) 之类的操作，然后使用 matplotlib 在 (plt.fill_between(df.index, min_df, max_df)) 之间进行填充，并以某种方式在各个级别（即 1、2 和 3 个标准差之外）重复此操作从平均数），所以我会以某种连续的箱线图结束。

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疑问/cmets，请发表评论，我会看看我可以编辑什么以使自己更清楚.

Answer 1

另一种可视化密度数据的方法是使用核密度估计：

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