Gráfico de distância de Knn para determinar o eps do DBSCAN

Eu gostaria de usar o gráfico de distância knn para descobrir qual valor eps devo escolher para o algoritmo DBSCAN. Com base nesta página:

A idéia é calcular a média das distâncias de cada ponto até seus k vizinhos mais próximos. O valor de k será especificado pelo usuário e corresponde a MinPts. Em seguida, essas distâncias k são plotadas em ordem crescente. O objetivo é determinar o "joelho", que corresponde ao parâmetro eps ideal.

Usando python com numpy / sklearn, tenho os seguintes pontos, com a seguinte distância para 6-knn:

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
nbrs = NearestNeighbors(n_neighbors=len(X)).fit(X)
distances, indices = nbrs.kneighbors(X)

# Indices

[[0 1 2 3 4 5]
 [1 0 2 3 4 5]
 [2 1 0 3 4 5]
 [3 4 5 0 1 2]
 [4 3 5 0 1 2]
 [5 4 3 0 1 2]]

# Distances
[[ 0.          1.          2.23606798  2.82842712  3.60555128  5.        ]
[ 0.          1.          1.41421356  3.60555128  4.47213595  5.83095189]
[ 0.          1.41421356  2.23606798  5.          5.83095189  7.21110255]
[ 0.          1.          2.23606798  2.82842712  3.60555128  5.        ]
[ 0.          1.          1.41421356  3.60555128  4.47213595  5.83095189]
[ 0.          1.41421356  2.23606798  5.          5.83095189  7.21110255]]

então calculei a distância média:

distances.mean()
2.9269575028354495

O problema é que não entendo como exatamente eu poderia representar o mesmo gráfico que eles com distâncias no eixo y e número de pontos de acordo com as distâncias no eixo x usando python.

Obrigado pela sua ajuda.

Vocês

1. pegue a última coluna dessa matriz
2. ordenar descendente
3. índice de plotagem, distância
4. espero ver um joelho (se a distância não funcionar bem. pode não haver nenhum)