PairGrid上的Seaborn相关系数

Question

是否有matplotlib或seaborn图可以与g.map_lower或g.map_upper一起使用，以获得每个双变量图的相关系数，如下所示？ plt.text被手动映射以获得以下示例，这是一个繁琐的过程。

Answer 1

你可以将任何函数传递给map_*方法，只要它遵循一些规则：1）它应该绘制到“当前”轴上，2）它应该将两个向量作为位置参数，和3 ）它应该接受color关键字参数（如果你想与hue选项兼容，可以选择使用它）。

因此，在您的情况下，您只需要定义一个小corrfunc函数，然后将其映射到您想要注释的轴上：

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)