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

问题抽象：如何绘制曲线的阴影图？
===============================
建议的方案：
= sns.("")
.head()
sns.(data=http://www.kingceram.com/post/, x="year", y="")
plt.show()
效果如下图：
=============================
方案1：
shade range graph
带阴影范围的折线图的博客-CSDN博客折线图区间阴影
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。
可视化 -- 折线图. - 知乎
方案3，这不是我想要的结果：
方案4：
这里有答案，
【Python如何绘制误差直方图？曲线的阴影图？shade range graph】. —0.11.2
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=http://www.kingceram.com/post/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 = 0for i in G.nodes():if G.degree(i) == ki:c += 1Pk.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、如何绘制误差直方图？
2、如何绘制曲线的误差图？
3、如何绘制曲线的阴影图？