如何在python中绘制显示置信区间的时间序列数组？

Question

我有一些时间序列慢慢增加，但在很短的时间内，它们是非常波动的。例如，时间序列可能如下所示：

[10 + np.random.rand() for i in range(100)] + [12 + np.random.rand() for i in range(100)] + [14 + np.random.rand() for i in range(100)] 

我想把时间序列的绘制重点放在大势上，而不是小浪上。是否有方法绘制一段时间内的平均值，并用一条指示波的条纹包围（条纹应表示置信区间，数据点可能在该时刻）？

简单的情节如下：

我想要的，带置信区间的曲线图如下：

在Python中有一种优雅的方式来实现它吗？

Answer 1

可以使用pandas函数rolling(n)生成连续点上的平均值和标准偏差值。

对于置信区间的阴影（用标准差之间的空格表示），可以使用fill_between()中的函数matplotlib.pyplot。有关更多信息，您可以查看here，从中可以获得以下代码的灵感。

time_series_df = pd.DataFrame(time_series_array)
smooth_path    = time_series_df.rolling(20).mean()
path_deviation = 2 * time_series_df.rolling(20).std()
plt.plot(smooth_path, linewidth=2)
plt.fill_between(path_deviation.index, (smooth_path-2*path_deviation)[0], (smooth_path+2*path_deviation)[0], color='b', alpha=.1)

通过上面的代码，您可以获得如下结果：

Answer 2

可以用多种方法生成平滑曲线。

一个简单的方法是使用移动平均值（滑动窗口中点的平均值）。如果您将数据存储在Pandas数据框中，则可以很容易地绘制出来。你也可以计算每个点的标准误差来得到你的置信区间。

另一种方法是将模型与数据拟合，并使用该方法生成平滑曲线。例如，可以使用高斯过程来实现这一点。该模型还可以为每个点产生期望的置信区间。有关详细信息，请参阅此Scikit-learn example。

Answer 3

看起来，你的性病加倍了两次。我想应该是这样的：

time_series_df = pd.DataFrame(time_series_array)
smooth_path = time_series_df.rolling(20).mean()
path_deviation = time_series_df.rolling(20).std()
plt.plot(smooth_path, linewidth=2)
plt.fill_between(path_deviation.index, (smooth_path-2*path_deviation)[0], (smooth_path+2*path_deviation)[0], color='b', alpha=.1)