Seaborn Pairplot Pearsons P统计

Question

我在python / seaborn / scipy.stats / matplotlib.pyplot等新手上完成了数据分析工作

Seaborn Correlation Coefficient on PairGrid  这个链接帮助我通过皮尔森R得分呈现我的变量之间的关系。 然而，由于Pearsons测试的输出也应该有一个p值以表明统计显着性，我正在寻找一种方法将P值添加到我的情节中的注释。

g = sns.pairplot(unoutlieddata, vars=['bia', 'DW', 'HW', 'jackson', 'girths'], kind="reg")

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

g.map(corrfunc)
sns.plt.show()

显示的是我提供的链接格式的代码。 SPS = scipy.stats。未提供的数据是已经过滤以删除异常值的数据帧

任何想法都会很神奇

此致

Answer 1

不确定是否有人会看到这个，但在与知道更多的人交谈之后，答案如下：

代码

import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import pearsonr

def corrfunc(x, y, **kws):
    (r, p) = pearsonr(x, y)
    ax = plt.gca()
    ax.annotate("r = {:.2f} ".format(r),
                xy=(.1, .9), xycoords=ax.transAxes)
    ax.annotate("p = {:.3f}".format(p),
                xy=(.4, .9), xycoords=ax.transAxes)

df = sns.load_dataset("iris")
df = df[df["species"] == "setosa"]
graph = sns.pairplot(df)
graph.map(corrfunc)
plt.show()

结果