介绍

在文献中能经常看到一个时间序列图（横坐标为时间，纵坐标为变量）会有阴影覆盖（一般表现为淡一些的颜色），这样的图上下为25%-75%的范围。可以让人一眼看出数据随时间变化以及数据的波动性，近几年用的越来越多，所以也做了一些努力来还原这种图。

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).

看图中historical为历史1900-2015年的CMIP6数据的平均值，上下为四分位。这种图需要historical的数据为（x,y)这里的x为时间，y为时间对应气象要素值。中间的一般为平均值或者中间值，上下表现为四分位范围（但这张图表现为17%-83%），由于最近经常使用这种图，所以结合网上的资料自己修改写了一个子函数可以在python中直接使用

子函数

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

函数很好理解，ax为figure添加的图，x和y为上面提到的数据，n为分层的层数（这个可以大家自行体会，我一般不分），percentile_min和max为对应的值（如果使用四分位设置为25和75即可），后面一目了然不再赘述。
这是使用该函数绘制的图

例子

由于涉及到未发表的成果所以隐去legend

结束

Enjoy