Python 绘制大量的；“行”；作为阴影或颜色强度

我有各种各样的熊猫数据帧，其中包含多达2000个时间序列。显然，一个简单的

df.plot（）

并不能真正显示任何有用的内容（而且需要几分钟的绘图时间）。但至少我可以很容易地得到（并绘制）一个（滚动）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)

通过这个小示例，您可能可以看到底层数据的“行为”：

它在零附近非常对称，大多数数据在+1和-1之间，相当多的数据在+1和+2之间，以及-1和-2之间，一些数据发生在2/3的括号中，一些异常值上升（或下降）到几乎+4

为什么容易掌握呢？显然，这是由于每个区域的线数，以及区域的强度或阴影。当我使用单色时变得更加清晰：

但是，这缺少密度或行数的量化。 我如何才能将其转化为定量信息？

也就是说，2-4括号应该有各种深浅的浅灰色，1-2中灰色，0-1深灰色，这样平均值就会被放在图中几乎黑色区域的顶部，这样我就可以得到50深浅的灰色，也许还有一个颜色条来引导

我可能会用各种深浅的灰色作为底色，看看设置不同的字母会产生什么样的视觉效果，但这似乎有点老套

另一种选择是执行类似于

max\u df=df.max（1）

和

min\u df=df.min（1）

的操作，然后使用matplotlib填充中间（

plt.fill\u between（df.index，min\u df，max\u df）

）并以某种方式在不同级别重复此操作（即偏离平均值的1、2和3个标准偏差）因此，我将以某种连续的方框图结束

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，因此，如果您对该问题有任何疑问/意见，请发表意见，我将查看我可以编辑哪些内容以使自己更清楚。

另一种可视化密度数据的方法是使用内核密度估计：

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

---

也许更像是一个问题。它们还包括数据可视化。这当然是一个有用的内置功能，但遗憾的是，这并不是我想要的，因为我不仅需要数据的总体分布，还需要每个任意时间点的分布。因此，即使我每月进行一次解析，这种方法也需要33个图作为示例，700个图作为实际数据，这让我回到了我的起点，也就是说，这个图相当混乱。