如何基于Pandas聚合数据绘制带阴影误差区域的折线图？

我明白你的困扰——用pandas的plot(yerr)确实容易出现阴影淡、样式不可控的问题，尤其是数据量不大的时候，阴影效果几乎看不到。咱们换个更可靠的方式，直接用matplotlib的fill_between来手动绘制误差阴影，这样能完全掌控样式，效果也更清晰。

第一步：明确你的DataFrame结构 #

先确认你的数据是多层列（MultiIndex）结构，列层级为[Measurement, Statistic]，索引是Time。你可以用df.columns来查看：

print(df.columns)
# 输出应该类似：MultiIndex([('Measurement 1', 'Mean'),
#                          ('Measurement 1', 'Std'),
#                          ('Measurement 2', 'Mean'),
#                          ('Measurement 2', 'Std')],
#                         )

第二步：提取均值和标准差数据 #

先把每个测量项的均值、标准差单独提取出来，方便后续使用：

# 提取Measurement 1的均值和标准差
meas1_mean = df['Measurement 1']['Mean']
meas1_std = df['Measurement 1']['Std']

# 提取Measurement 2的均值和标准差
meas2_mean = df['Measurement 2']['Mean']
meas2_std = df['Measurement 2']['Std']

# 时间索引作为x轴数据
time_values = df.index

第三步：手动绘制折线和阴影误差带 #

用matplotlib的plot画均值折线，再用fill_between绘制上下误差的阴影区域，这样可以精准控制颜色、透明度等样式：

from matplotlib import pyplot as plt
from matplotlib.ticker import FuncFormatter

def seconds_to_minutes(x, pos):
    minutes = f'{round(x/60, 0)}'
    return minutes

fig, ax = plt.subplots(figsize=(10,6))  # 可以设置图表大小，更清晰

# 绘制Measurement 1的均值线和阴影误差带
line1, = ax.plot(time_values, meas1_mean, label='Mean 1', color='#1f77b4')
ax.fill_between(time_values, 
                meas1_mean - meas1_std, 
                meas1_mean + meas1_std, 
                color=line1.get_color(), 
                alpha=0.25,  # 这个透明度比0.15更明显，又不会太突兀
                label='± Std 1')

# 绘制Measurement 2的均值线和阴影误差带
line2, = ax.plot(time_values, meas2_mean, label='Mean 2', color='#ff7f0e')
ax.fill_between(time_values, 
                meas2_mean - meas2_std, 
                meas2_mean + meas2_std, 
                color=line2.get_color(), 
                alpha=0.25,
                label='± Std 2')

# 设置图表属性
ax.set(title="A Line Graph with Shaded Error Regions", 
       xlabel="Time (minutes)", 
       ylabel="Measurement Value")
formatter = FuncFormatter(seconds_to_minutes)
ax.xaxis.set_major_formatter(formatter)
ax.grid(alpha=0.3)  # 网格透明度调低，不抢主体内容的风头
ax.legend()

plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

为什么这个方法更好？ #

• 样式可控：你可以给每个测量项的均值线和阴影设置对应的颜色，阴影的透明度也能调整到合适的程度，不会像原来那样淡到几乎看不见。
• 可靠性高：不管数据量大小，fill_between都会准确绘制出误差阴影区域，不会因为数据点少而失效。
• 清晰直观：图例可以明确区分均值线和误差带，让图表可读性更强。

内容的提问来源于stack exchange，提问作者LarsaSolidor