介紹

在文獻(xiàn)中能經(jīng)辰焦迹看到一個時間序列圖（橫坐標(biāo)為時間，縱坐標(biāo)為變量）會有陰影覆蓋（一般表現(xiàn)為淡一些的顏色）唾戚，這樣的圖上下為25%-75%的范圍柳洋。可以讓人一眼看出數(shù)據(jù)隨時間變化以及數(shù)據(jù)的波動性叹坦，近幾年用的越來越多膳灶，所以也做了一些努力來還原這種圖。

比如

Global mean temperature anomaly and its decadal trend in CMIP6 models in response to different radiative forcings，The shaded area indicates the likely range (17 to 83% percentile).

看圖中historical為歷史1900-2015年的CMIP6數(shù)據(jù)的平均值轧钓，上下為四分位序厉。這種圖需要historical的數(shù)據(jù)為（x,y)這里的x為時間，y為時間對應(yīng)氣象要素值毕箍。中間的一般為平均值或者中間值弛房，上下表現(xiàn)為四分位范圍（但這張圖表現(xiàn)為17%-83%），由于最近經(jīng)常使用這種圖而柑，所以結(jié)合網(wǎng)上的資料自己修改寫了一個子函數(shù)可以在python中直接使用

子函數(shù)

def tsplot(ax, x, y, n=20, percentile_min=1, percentile_max=99, color='r', plot_mean=True, plot_median=False, line_color='k',label="",**kwargs):
    # calculate the lower and upper percentile groups, skipping 50 percentile
    perc1 = np.percentile(y, np.linspace(percentile_min, 50, num=n, endpoint=False), axis=0)
    perc2 = np.percentile(y, np.linspace(50, percentile_max, num=n+1)[1:], axis=0)

    if 'alpha' in kwargs:
        alpha = kwargs.pop('alpha')
    else:
        alpha = 1/n
    # fill lower and upper percentile groups
    for p1, p2 in zip(perc1, perc2):
        ax.fill_between(x, p1, p2, alpha=alpha, color=color, edgecolor=None)
        
    if plot_mean:
        ax.plot(x, np.mean(y, axis=0), color=line_color,linewidth='3',label=label)
        
    if plot_median:
        ax.plot(x, np.median(y, axis=0), color=line_color,linewidth='3',label=label)
    ax.tick_params(labelsize=26)
    return ax

函數(shù)很好理解文捶，ax為figure添加的圖，x和y為上面提到的數(shù)據(jù)媒咳，n為分層的層數(shù)（這個可以大家自行體會粹排，我一般不分），percentile_min和max為對應(yīng)的值（如果使用四分位設(shè)置為25和75即可）涩澡，后面一目了然不再贅述顽耳。
這是使用該函數(shù)繪制的圖

例子

由于涉及到未發(fā)表的成果所以隱去legend

結(jié)束

Enjoy