期刊质量kde与seaborn / pandas的情节

Question

我试图对出版物进行一些比较分析。我遇到了seaborn和pandas，非常喜欢我可以轻松创建我想要的分析。但是，我发现手册对于我试图了解示例图以及如何根据我的需要修改图表的事情有点不足。我希望在这里得到一些建议，以获得我想要的情节。也许pandas / seaborn不是我需要的。

所以，我想创建下图中的子图，（3,1）或（2,3）：

问题：

1. 我希望附加的图表在颜色栏上有标题。不确定这是否可能或确切显示的是什么，即相对频率或事件或百分比等？如何在色条上放置说明性图块（垂直方向）。

2. 该文字是一个很好的补充。 pearsonr是相关性，但我不确定p是什么。我的猜测是显示滞后，或者？如果是这样，我该如何删除文本中的p？

3. 我想为不同的变量制作相同类型的数字，并将其全部放在子图中。

这里是我从seaborn手册/示例和其他用户拼凑在一起的代码（感谢大家）。

import netCDF4 as nc
import pandas as pd
import xarray as xr
import numpy as np
import seaborn as sns
import pdb 
import matplotlib.pyplot as plt
from scipy import stats, integrate
import matplotlib as mpl
import matplotlib.ticker as tkr
import matplotlib.gridspec as gridspec

sns.set(style="white")
sns.set(color_codes=True)

octp = [622.0, 640.0, 616.0, 731.0, 668.0, 631.0, 641.0, 589.0, 801.0,
828.0, 598.0, 742.0,665.0, 611.0, 773.0, 608.0, 734.0, 725.0, 716.0,
699.0, 686.0, 671.0, 700.0, 656.0,686.0, 675.0, 678.0, 653.0, 659.0,
682.0, 674.0, 684.0, 679.0, 704.0, 624.0, 727.0,739.0, 662.0, 801.0, 
633.0, 896.0, 729.0, 659.0, 741.0, 510.0, 836.0, 720.0, 685.0,430.0,
833.0, 710.0, 799.0, 534.0, 532.0, 605.0, 519.0, 850.0, 357.0, 858.0,
497.0,404.0, 456.0, 448.0, 836.0, 462.0, 381.0, 499.0, 673.0, 642.0, 
641.0, 458.0, 809.0,562.0, 742.0, 732.0, 710.0, 658.0, 533.0, 811.0, 
853.0, 856.0, 785.0, 659.0, 697.0,654.0, 673.0, 707.0, 711.0, 423.0, 
751.0, 761.0, 638.0, 576.0, 538.0, 596.0, 718.0,843.0, 640.0, 647.0, 
692.0, 599.0, 607.0, 537.0, 679.0, 712.0, 612.0, 641.0, 665.0,658.0, 
722.0, 656.0, 656.0, 742.0, 505.0, 688.0, 805.0]

cctp = [482.0, 462.0, 425.0, 506.0, 500.0, 464.0, 486.0, 473.0, 577.0,
735.0, 390.0, 590.0,464.0, 417.0, 722.0, 410.0, 679.0, 680.0, 711.0, 
658.0, 687.0, 621.0, 643.0, 690.0,630.0, 661.0, 608.0, 658.0, 624.0,
646.0, 651.0, 634.0, 612.0, 636.0, 607.0, 539.0,706.0, 614.0, 706.0,
401.0, 720.0, 746.0, 511.0, 700.0, 453.0, 677.0, 637.0, 605.0,454.0,
733.0, 535.0, 725.0, 668.0, 513.0, 470.0, 589.0, 765.0, 596.0, 749.0,
462.0,469.0, 514.0, 511.0, 789.0, 647.0, 324.0, 555.0, 670.0, 656.0,
786.0, 374.0, 757.0,645.0, 744.0, 708.0, 497.0, 654.0, 288.0, 705.0,
703.0, 446.0, 675.0, 440.0, 652.0,589.0, 542.0, 661.0, 631.0, 343.0, 
585.0, 632.0, 591.0, 602.0, 365.0, 535.0, 663.0,561.0, 448.0, 582.0, 
591.0, 535.0, 475.0, 422.0, 599.0, 594.0, 569.0, 576.0, 622.0,483.0,
539.0, 515.0, 621.0, 443.0, 435.0, 502.0, 443.0]

cctp = pd.Series(cctp, name='CTP [hPa]')  
octp = pd.Series(octp, name='CTP [hPa]')

formatter = tkr.ScalarFormatter(useMathText=True)
formatter.set_scientific(True)
formatter.set_powerlimits((-2, 2))

g = sns.jointplot(cctp,octp, kind="kde",size=8,space=0.2,cbar=True,
                  n_levels=50,cbar_kws={"format": formatter})
# add a line x=y
x0, x1 = g.ax_joint.get_xlim()
y0, y1 = g.ax_joint.get_ylim()
lims = [max(x0, y0), min(x1, y1)]
g.ax_joint.plot(lims, lims, ':k')

plt.show()

plt.savefig('test_fig.png')

我知道我在这里问了很多。所以我按优先顺序提出问题。

Answer 1

1：要设置颜色条标签，您可以将label键添加到cbar_kws字典：

 cbar_kws={"format": formatter, "label": 'My colorbar'}

2：要更改统计信息标签，您需要先稍微修改stats.pearsonr函数，只返回第一个值，而不是(pearsonr, p)元组：

pr = lambda a, b: stats.pearsonr(a, b)[0]

然后，您可以使用jointplot的{​​{1}} kwarg更改该功能：

stat_func

最后，您需要更改注释以使标签正确：

stat_func=pr

把所有这些放在一起：

annot_kws={'stat':'pearsonr'})

3：我认为不可能将pr = lambda a, b: stats.pearsonr(a, b)[0] g = sns.jointplot(cctp,octp, kind="kde",size=8,space=0.2,cbar=True, n_levels=50,cbar_kws={"format": formatter, "label": 'My colorbar'}, stat_func=pr, annot_kws={'stat':'pearsonr'}) 与subplot放在一起。虽然很高兴被证明是错误的。