答案

您可以使用seaborn.lineplot来实现这一点，因为seaborn默认使用95% CI，但首先您需要通过pandas.melt重新调整数据。
如果您从 Dataframe df中的数据开始（如您提供的 Dataframe ），您可以使用以下命令重新塑造它：

df = pd.melt(frame = df,
             var_name = 'column',
             value_name = 'value')

输出：

column     value
0     Ph1 -0.152511
1     Ph1 -0.068273
2     Ph1  0.425363
3     Ph1 -0.019332
4     Ph1  0.077907
5     Ph1  0.145185
6     Ph2 -0.039428
7     Ph2  0.152013
8     Ph2 -0.043105
9     Ph2  0.139712
10    Ph2  0.341410
11    Ph2  0.112060
12    Ph3  0.131173
13    Ph3 -0.315244
14    Ph3  0.071670
15    Ph3 -0.026001
16    Ph3 -0.113731
17    Ph3  0.093898
18    ph4 -0.002039
19    ph4  0.005247
20    ph4 -0.045124
21    ph4 -0.021844
22    ph4 -0.065799
23    ph4  0.028815
24    Ph5  0.008101
25    Ph5  0.014775
26    Ph5 -0.036135
27    Ph5 -0.040854
28    Ph5 -0.027229
29    Ph5 -0.032327
30    Ph6 -0.002039
31    Ph6 -0.045268
32    Ph6 -0.037250
33    Ph6 -0.050648
34    Ph6 -0.077948
35    Ph6  0.004239

然后，您可以使用以下公式绘制df：

fig, ax = plt.subplots()

sns.lineplot(ax = ax,
             data = df,
             x = 'column',
             y = 'value',
             sort = False)

plt.show()

完整代码

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

df = pd.read_csv('data.csv')

df = pd.melt(frame = df,
             var_name = 'column',
             value_name = 'value')

fig, ax = plt.subplots()

sns.lineplot(ax = ax,
             data = df,
             x = 'column',
             y = 'value')

plt.show()

情节