Python 如何在seaborn距离图中获得分布峰值y的X轴值？

所以我有一个频率分布图，看起来像这样：

我需要对应于y值峰值的x值。 我怎样才能得到绘图代码

seaborn.distplot('TheSeries',bins = 30, ax=axes[0][1])

---

有人能解释一下我如何获得这种情况和类似情况下的相应值吗？

您可以从

ax.lines[-1]

提取kde曲线的坐标，并使用

np.argmax（）

找到曲线的模式

注意：最新seaborn版本中的distplot已被弃用。这里的

histplot

将替换为

kde=True

从matplotlib导入pyplot作为plt
将numpy作为np导入
导入seaborn作为sns
样本数=np.随机数随机数（300）**2*50
ax=sns.histplot（样本，bin=30，kde=True，color='skyblue'）
kdeline=最大线[0]
xs=kdeline.get_xdata（）
ys=kdeline.get_ydata（）
模式_idx=np.argmax（ys）
ax.vlines（xs[mode_idx]，0，ys[mode_idx]，color='tomato'，ls=''--'，lw=2）
plt.show（）

---

我有。再次感谢。还有什么方法可以得到相同kde的峰值，但是去掉了+3 z值的异常值？如果去掉异常值，我想峰值应该保持在相同的位置。也许你想限制x轴的范围，例如，

ax.setxlim（-1300）

？是的。我试图找到与连续分布的峰值（频率或发生率）相对应的x值。数据有适度的高度倾斜，我有多个这样的分布（它们的范围差异很大，总样本量也不同）因此，尝试为峰值建立一个95%的置信区间。异常值将标准偏差改变到足够大的程度。顺便问一下，异常值会对kde的精益产生很大影响吗？峰值的

x

不应该改变，

y

会稍微高一点（kde的积分和为1，因此值越少，剩余值的权重就越大）。平均值和中位数会有所变化，这取决于离群值的距离和数量。要计算置信区间，可能不应该删除离群值（除非您确信它们与测量误差有关）。