Python 获取KDE的稀疏区域

我有一个20k实数的数组，我使用

pd.DataFrame（scores.plot.kde（figsize=（24,8））

得到下面的内核密度估计。我如何纯粹通过编程选择稀疏区域的索引，或者相反地选择密集区域的索引

我目前的方法是

np.其中（分数>np.百分位数（分数，99））[0]

，我非常支持

99

的这种硬编码，因为它在生产中可能不太有效。一个我不确定如何处理的潜在解决方案是选择密度低于20000的指数

< P>哪个区域考虑“稀疏”，哪些“密集”可以是非常主观的。这在很大程度上取决于数据的含义。一个想法是确定一些截止百分位数。下面的示例使用最低的

0.1%

和最高的

99.9%

导入matplotlib.pyplot作为plt
将numpy作为np导入
作为pd进口熊猫
df=pd.DataFrame（{'score'：np.random.randn（2000,10）.cumsum（axis=0.ravel（）}）
分位数（[.01,99]）
ax=df.plot.kde（图大小=（24,8））
ax.axvline（df['score'].分位数（.001），color='crimson'，ls=''：'）
ax.axvline（df['score'].分位数（.999），color='crimson'，ls=''：'）
ax.set_ylim（ymin=0）#避免kde“漂浮在空气中”
plt.show（）

---

您可以改用scipys KDE，这将直接为您提供值。这个答案有用吗？