如何为nd.array的百分位数图标注坐标及获取拐点上方数据

首先，我先梳理下你的需求：你想要绘制百分位数曲线，找到83%分位点对应的阈值（也就是该分位点的y坐标），然后筛选出原始数据中高于这个阈值的部分，同时解决当前annotate方法遇到的报错问题。

先看你代码里的几个核心问题：

• pchange的长度远大于perc和p的长度，你用enumerate(pchange)去循环，然后调用perc[a]会直接触发索引越界错误——因为perc只有13个元素（和p的长度一致），但pchange有130+个元素。
• 你混淆了百分位数计算后的数据对应关系：mlab.prctile(pchange, p)返回的是p中每个百分位数对应的数值，所以perc的第i个元素对应p[i]百分位的数值。

接下来一步步解决你的问题：

1. 获取83%分位点的阈值 #

我们可以直接从计算好的perc中提取83%分位点对应的数值，也可以用更常用的numpy.percentile直接计算，结果和mlab.prctile一致：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import mlab

# 你的原始数据
p = np.array([0,10,20,30,40,50,60,70,80,83,84,85,90])
pchange=np.array([1,2,3,6,5,8,9,7,4,5,6,9,8,5,2,3,6,4,25,36,14,65,98,98,54,25,26,23,24,27,28,26,24,262,1,156,31,51,351,651,35,153,135,1,5,31,68,3,5,61,354,685,16,813,51,685,681,35,68,135,1685,1354,135,415,135,153,413,513,56,513,213,651,354,51,35,135,135,135,438,535,468,53,8,35,4,648,468,535,468,46,8,498,498,749,8798,798,79,8798,7,979,879,8,97,9,79,7,9798,798,78,979,87,974,65,498,46,8,98,79,878,978,65,984,98,49,9,569,949,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888,888])

# 计算百分位数
perc = mlab.prctile(pchange, p)
# 找到83%分位点对应的索引
idx_83 = np.where(p == 83)[0][0]
# 获取对应的阈值
threshold_83 = perc[idx_83]
print(f"83%分位点对应的阈值为: {threshold_83}")

# 筛选出pchange中高于该阈值的数据
filtered_data = pchange[pchange > threshold_83]
print(f"筛选出的高于83%分位点的数据: {filtered_data}")

2. 修正绘图与annotate标注问题 #

你的annotate错误是因为循环对象不对，应该循环perc和p的对应关系，而不是pchange。另外，绘图时的x轴坐标计算需要注意：(len(perc)-1)*p/100是把百分位数值映射到0到len(perc)-1的x轴位置，这样xticks能准确对应。

修正后的绘图代码：

plt.figure(figsize=(10,6))
# 绘制百分位数曲线
plt.plot(perc, label='Percentile Curve')
# 绘制每个百分位点的散点
x_coords = (len(perc)-1)*p/100.
plt.plot(x_coords, perc, 'ro', markersize=6, label='Percentile Points')
# 设置x轴刻度
plt.xticks(x_coords, map(str, p))
# 标注每个百分位点的数值，调整位置避免重叠
for x, y, pc in zip(x_coords, perc, p):
    plt.annotate(f"{y:.1f}", (x, y), xytext=(x+0.1, y+5), fontsize=9)
# 绘制83%分位点的阈值线，方便观察拐点
plt.axhline(y=threshold_83, color='r', linestyle='--', label=f'83% Percentile Threshold: {threshold_83:.1f}')
plt.legend()
plt.xlabel('Percentile')
plt.ylabel('Value')
plt.title('Percentile Plot with 83% Threshold')
plt.show()

关键说明 #

• 如果你只是需要计算单个百分位数，推荐使用numpy.percentile，用法更简洁：np.percentile(pchange, 83)直接得到83%分位点的数值。
• 筛选数据时，直接用布尔索引pchange[pchange > threshold_83]就能快速得到所有高于阈值的数据。
• annotate时，要确保循环的是x_coords、perc、p这三个长度一致的数组，同时用xytext调整标注位置，避免和散点重叠。

内容的提问来源于stack exchange，提问作者Bamwani