如何在Pyplot中实现类似Tensorboard的平滑均值曲线效果？

我太懂你想要的这种可视化效果了——TensorBoard里用阴影展示原始数据的波动方差，同时叠加一条清晰的平滑曲线来抓趋势，确实在高方差数据场景下特别实用。下面我就给你一步步实现这个需求，而且完全避开你提到的「插值」问题。

核心思路 #

咱们的实现逻辑完全贴合你的要求：

• 用低透明度的线条/填充区域绘制原始数据，既能保留方差波动细节，又不会喧宾夺主
• 对原始数据做滑动平均处理（仅基于已有数据点计算均值，不生成任何插值点），用纯色实线叠加在原始数据上方凸显趋势

完整代码实现 #

1. 导入依赖并生成模拟数据 #

先搞一组带高噪声的模拟数据，贴近你说的方差大的场景：

import matplotlib.pyplot as plt
import numpy as np

# 生成带高噪声的原始数据
np.random.seed(42)  # 固定随机种子保证可复现
x = np.arange(0, 100)
y_raw = np.sin(x * 0.1) + np.random.normal(0, 0.3, size=len(x))

2. 实现无插值的滑动平均函数 #

这个函数是关键——它只基于相邻的原始数据点计算均值，不会生成任何插值点：

def moving_average(data, window_size):
    """计算滑动平均，仅使用原始数据点，无插值"""
    weights = np.repeat(1.0, window_size) / window_size
    # 'valid'参数保证只返回有完整窗口覆盖的结果，避免边界填充
    return np.convolve(data, weights, 'valid')

3. 绘制TensorBoard风格的可视化 #

这里提供两种风格供你选，都是完全符合需求的：

风格一：低透明度原始线条+平滑实线

plt.figure(figsize=(10, 6))

# 绘制原始数据：低透明度线条模拟阴影效果
plt.plot(x, y_raw, color='#1f77b4', alpha=0.3, label='原始数据')

# 计算并绘制平滑曲线
window_size = 5  # 可调整窗口大小控制平滑程度
y_smoothed = moving_average(y_raw, window_size)
x_smoothed = x[window_size-1:]  # 滑动平均后x轴长度对应缩短
plt.plot(x_smoothed, y_smoothed, color='#1f77b4', linewidth=2, label=f'滑动平均（窗口={window_size}）')

# 美化图表
plt.title('TensorBoard风格：平滑曲线+原始数据阴影线条')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.grid(alpha=0.2)

plt.show()

风格二：填充阴影展示原始波动+平滑实线

更贴近TensorBoard的填充式阴影效果：

plt.figure(figsize=(10, 6))

# 用填充区域展示原始数据的波动范围
plt.fill_between(x, y_raw, color='#1f77b4', alpha=0.2, label='原始数据波动')
# 可选：叠加细线条强化原始数据的点分布
plt.plot(x, y_raw, color='#1f77b4', alpha=0.3, linewidth=1)

# 叠加平滑曲线
plt.plot(x_smoothed, y_smoothed, color='#1f77b4', linewidth=2, label=f'滑动平均（窗口={window_size}）')

# 美化图表
plt.title('TensorBoard风格：平滑曲线+原始数据填充阴影')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.grid(alpha=0.2)

plt.show()

关键细节说明 #

• 滑动平均的window_size可以按需调整：窗口越大，曲线越平滑；窗口越小，越贴近原始数据
• 所有平滑后的数据点都是基于原始数据计算的，完全没有插值操作，完美适配你方差大的场景
• 颜色、透明度、线条粗细这些参数都可以根据你的需求自定义调整

内容的提问来源于stack exchange，提问作者vega