Python 如何更具体地绘制seaborn线型图

给定一个海量数据帧

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

年份

排序，然后按

计数

排序。（显示的值可任意更改）

我想想象一下

计数

随着

年份

的增加如何以不同的方式分布，这可以通过百分位图最有效地显示出来。然而，由于我的数据是在一个数据框中给出的，所以我认为一种更可行（而且坦率地说，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：

这张图有一定的用途，尽管我希望显示的变量比单个百分位梯度要多。（一个很好的例子是下面一个带有10%梯度的图，从这个链接复制：）

---

我想知道是否有一种方法可以使用

seaborn.lineplot

实现如此详细的图形绘制，如果没有，是否有一种方法可以从

pandas

数据帧数据中实现。

一旦生成了第一个置信区间或仅仅是直线，就可以使用matplotlib，如图所示，创建多个置信区间

另一个选项是使用

sns.lineplot

在同一个图形上绘图，尽管我认为seaborn不适合这样做。以数据集

flights

为例，首先绘制中值线或平均线：

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条带（设置linestyle=''）：

给出如下内容：

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]})