Python如何提取seaborn 2D kdeplot层级数据并计算轮廓轴极值？

2D双变量输入的kdeplot完全可以提取对应绘图数据，提取逻辑和1D场景存在本质差异，这也是之前访问kde.lines[0]触发索引越界报错的核心原因。

两类KDE绘图的对象存储差异 #

• 1D单变量KDE绘图的核心是连续密度曲线，生成的是Line2D对象，会直接存入Axes对象的lines属性列表，因此可以通过遍历ax.lines直接取曲线的x、y坐标值。
• 2D双变量KDE绘图的核心是密度等值（等高）轮廓，生成的是matplotlib的QuadContourSet类型对象，这类对象会存入Axes对象的collections属性列表，不会进入lines列表，因此直接访问ax.lines取不到对应数据。

具体实现步骤 #

1. 修复基础代码的拼写笔误 #

原测试代码中np.randon为拼写错误，正确调用为np.random，否则会触发属性不存在的报错：

import numpy as np    
import matplotlib
from seaborn import kdeplot

lA = np.random.normal(1, 0.2, 1000)
ld = np.random.normal(1, 0.2, 1000)
ax = kdeplot(x=lA, y=ld)

2. 提取2D KDE对应的轮廓集 #

筛选Axes的collections列表中属于QuadContourSet的对象，即可拿到当前kdeplot绘制的所有等高轮廓：

# 匹配2D KDE生成的等值轮廓集
contour_sets = [
    coll for coll in ax.collections 
    if isinstance(coll, matplotlib.contour.QuadContourSet)
]
target_contour = contour_sets[0]

3. 遍历所有轮廓点完成极值计算 #

遍历每个轮廓路径的顶点坐标，收集所有轮廓的x、y方向坐标，即可计算对应方向的最大、最小值，满足离散度衡量的需求：

all_x, all_y = [], []
for path in target_contour.get_paths():
    # 路径顶点为轮廓线上的所有坐标点
    vertices = path.vertices
    all_x.extend(vertices[:, 0])
    all_y.extend(vertices[:, 1])

# 计算所有轮廓在坐标轴方向的极值
x_dispersion_range = (min(all_x), max(all_x))
y_dispersion_range = (min(all_y), max(all_y))

注意事项 #

• 如果Axes上同时绘制了多组不同样本的2D KDE轮廓，可以根据对象的label、绘制层级匹配目标轮廓集，避免混入其他绘图的坐标数据。
• 可在调用kdeplot时通过levels、thresh参数自定义需要绘制的等值轮廓层级，上述提取逻辑不受绘图参数影响。

内容的提问来源于stack exchange，提问作者Edgar Peralta