Python如何绘制误差直方图？曲线的阴影图？shade range graph

问题抽象：Python如何绘制曲线的阴影图？

===============================

建议的方案：

flights = sns.load_dataset("flights")
flights.head()
sns.lineplot(data=flights, x="year", y="passengers")
plt.show()

效果如下图：

 

=============================

方案1：

shade range graph

python带阴影范围的折线图_FrenchOldDriver的博客-CSDN博客_matplotlib 折线图区间阴影

这个方法的弊端是，需要构造三条曲线，y1和y2.确定上下边界。难道没有方法，能够根据多条曲线，自动确定这个边界吗？

方案2：

按照下边的方法，实践了一下后，发现没有阴影的效果啊。

lineplot

Seaborn可视化 -- 折线图seaborn.lineplot - 知乎

方案3，这不是我想要的结果：

方案4：

这里有答案，

seaborn.lineplot — seaborn 0.11.2 documentation

 这个阴影部分可以这么理解，1949年，最低的乘客数，最高的乘客数，和平均乘客数；

sns.lineplot(data=flights, x="year", y="passengers")
plt.show()

这里有个重要的参数 hue

总结：

问题解决：

def get_dgreeDistr(G):
    """
    统计一个图的度分布；

    :param G:
    :return:
    """
    all_k = [G.degree(i) for i in G.nodes()]  #获取每个节点的度值；
    k = list(set(all_k))
    N = len(G.nodes())

    Pk = []  #概率分布
    for ki in sorted(k):
        c = 0
        for i in G.nodes():
            if G.degree(i) == ki:
                c += 1
        Pk.append(c/N)
    return sorted(k), Pk

上边的函数，等价于：

d = dict(nx.degree(net))
x = list(range(max(d.values()) + 1))  # 构造横坐标[1到度最大的值]；
y = [i / n for i in nx.degree_histogram(net)] # 分别统计每个度对应的概率；

--------

G1 = nx.barabasi_albert_graph(n, m) # 无标度网络
G2 = nx.barabasi_albert_graph(n, m) # 无标度网络
G3 = nx.barabasi_albert_graph(n, m) # 无标度网络

k1, pk1 = get_dgreeDistr(G1) #
k2, pk2 = get_dgreeDistr(G2) #
k3, pk3 = get_dgreeDistr(G3) #

df1 = pd.DataFrame()
df1["k"] = np.array(k1)
df1["pk"] = np.array(pk1)


df2 = pd.DataFrame()
df2["k"] = np.array(k2)
df2["pk"] = np.array(pk2)


df3 = pd.DataFrame()
df3["k"] = np.array(k3)
df3["pk"] = np.array(pk3)

df = pd.concat([df1, df2, df3],axis =0,ignore_index = True)

================================

求证过程如下：

1、Python如何绘制误差直方图？

2、Python如何绘制曲线的误差图？

3、Python如何绘制曲线的阴影图？