Matplotlib Seaborn：如何在累积KDE中绘制与特定y值匹配的垂直线？

我正在使用Seaborn绘制一个累积分布，它是KDE，使用以下代码：

sns.distplot(values, bins=20, 
             hist_kws= {'cumulative': True}, 
             kde_kws= {'cumulative': True} )

这给了我以下图表：

我想画一条垂直线和相应的x指数，其中y是0.8。比如：

---

如何获得特定y的x值？

您可以在80%分位数处绘制一条垂直线：

导入matplotlib.pyplot作为plt
将numpy作为np导入
导入seaborn作为sns
数值=np.随机.正常（1,20,1000）
sns.distplot（值，箱=20，
hist_kws={'cumulative'：True}，
kde_kws={'cumulative'：True}）
plt.axvline（np.分位数（值，0.8），color='r'）
plt.show（）

---

您可以在80%分位数处绘制一条垂直线：

导入matplotlib.pyplot作为plt
将numpy作为np导入
导入seaborn作为sns
数值=np.随机.正常（1,20,1000）
sns.distplot（值，箱=20，
hist_kws={'cumulative'：True}，
kde_kws={'cumulative'：True}）
plt.axvline（np.分位数（值，0.8），color='r'）
plt.show（）

这可能是最好的。我走了另一条路，这可能是一个更通用的解决方案

其思想是获得kde线的坐标，然后找到它穿过阈值的点的标记

values = np.random.normal(size=(100,))
fig = plt.figure()
ax = sns.distplot(values, bins=20, 
             hist_kws= {'cumulative': True}, 
             kde_kws= {'cumulative': True} )

x,y = ax.lines[0].get_data()
thresh = 0.8
idx = np.where(np.diff(np.sign(y-thresh)))[0]
x_val = x[idx[0]]
ax.axvline(x_val, color='red')

这可能是最好的。我走了另一条路，这可能是一个更通用的解决方案

其思想是获得kde线的坐标，然后找到它穿过阈值的点的标记

values = np.random.normal(size=(100,))
fig = plt.figure()
ax = sns.distplot(values, bins=20, 
             hist_kws= {'cumulative': True}, 
             kde_kws= {'cumulative': True} )

x,y = ax.lines[0].get_data()
thresh = 0.8
idx = np.where(np.diff(np.sign(y-thresh)))[0]
x_val = x[idx[0]]
ax.axvline(x_val, color='red')

---

答案可以进一步改进，以找到精确的插值x值，如中所示。我选择@JohanC answer是因为它更简单，但这个答案也很好。因为不需要重新处理柱状图，所以这个方法可能更有效。我还喜欢它给出一个插值，而不是总体中存在的插值。答案可以进一步改进，以找到精确的插值x值，如中所示。我选择@JohanC answer是因为它更简单，但这个答案也很好。因为不需要重新处理柱状图，所以这个方法可能更有效。我还喜欢它给出一个插值，而不是一个存在于总体中的值。很好而且清晰的解决方案。您可以使用以下标签对该行进行注释：

line=ax.axvline（x，color='r'）ax.annotate（f'{x:.0f}'，xy=（x，0），xytext=（0，-14），color=line.get_color（），xycoords=ax.get_xaxis_transform（），textcoords=“offset points”，size=12，ha=“center”）

。您可以使用以下标签注释该行：

line=ax.axvline（x，color='r'）ax.annotate（f'{x:.0f}'，xy=（x，0），xytext=（0，-14），color=line.get_color（），xycoords=ax.get_xaxis_transform（），textcoords=“offset points”，size=12，ha=“center”）