PairGrid 上的 Seaborn 相关系数

Question

有没有我可以与 g.map_lower 或 g.map_upper 一起使用的 matplotlib 或 seaborn 图，以获得为每个双变量图显示的相关系数，如下所示？ plt.text 手动映射以获取下面的示例，这是一个繁琐的过程。

Answer 1

您可以将任何函数传递给 map_* 方法，只要它遵循一些规则：1) 它应该绘制在 "current" 轴上，2) 它应该采用两个向量作为位置参数，以及 3) 它应该接受一个 color 关键字参数（可选地使用它，如果你想与 hue 选项兼容）。

所以在你的情况下，你只需要定义一个小的 corrfunc 函数，然后将它映射到你想要注释的轴上：

import numpy as np
from scipy import stats
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="white")

mean = np.zeros(3)
cov = np.random.uniform(.2, .4, (3, 3))
cov += cov.T
cov[np.diag_indices(3)] = 1
data = np.random.multivariate_normal(mean, cov, 100)
df = pd.DataFrame(data, columns=["X", "Y", "Z"])

def corrfunc(x, y, **kws):
    r, _ = stats.pearsonr(x, y)
    ax = plt.gca()
    ax.annotate("r = {:.2f}".format(r),
                xy=(.1, .9), xycoords=ax.transAxes)

g = sns.PairGrid(df, palette=["red"])
g.map_upper(plt.scatter, s=10)
g.map_diag(sns.distplot, kde=False)
g.map_lower(sns.kdeplot, cmap="Blues_d")
g.map_lower(corrfunc)

PairGrid 上的 Seaborn 相关系数

Seaborn Correlation Coefficient on PairGrid

python

seaborn