我建议添加一个或两个您目前正在做的事情的例子，这样我们就可以更好地了解您正在处理的事情。

您关心的是一个重要问题：您如何在时间序列数据中传达“整体”模式，同时又不通过仅显示平均值来误导观众？我处理这种情况的一种方法是绘制平均线或中线以及周围的分位数带。例如，

在这里，时间序列数据来自基于引导程序的模拟，因此每个时间点都有数百个值。实际数据绘制在黑线中，彩色条带显示模拟值的可变性。此特定图可能不是最好的示例，但您可以看到某些点的可变性比其他点大得多，您还可以根据系列中的位置评估可变性如何偏斜高于/低于实际值。

更新：鉴于您的更新，这里有一些额外的问题和想法......从这个可视化中做出了什么决定（如果有的话）？例如，您是否正在寻找响应时间非常慢（可能高于特定阈值）的特定时间点？如果是这样，最好将所有点简单地绘制为散点图，然后绘制显示平均值的时间序列线，以及描绘您关注的边界的一些线。如果您在某些时间点有大量观察（太杂乱），或者如果您的时间测量不够粗略（在这种情况下，您可以将响应数据合并到一天中的分钟范围内），则此建议不合适。但是可视化推荐肯定会受到它所支持的决策的影响。在我的例子中，

您是否考虑过数据本身的散点图？ 这是我非常喜欢的一种方法。它让观众对趋势的存在和重要性做出自己的结论，并且不会隐藏可变性或异常值。如果你有严重的过度绘图（听起来你可能会这样），那么 Alpha 混合这些点会有所帮助。您还可以叠加您喜欢的任何趋势，并在知道数据仍然存在并为自己说话时感到欣慰。