Współczynnik korelacji Seaborn na PairGrid

Question

Czy istnieje wykres matplotlib lub seaborn, którego mogłem użyć z g.map_lower lub g.map_upper, aby uzyskać współczynnik korelacji wyświetlany dla każdego dwuwymiarowego wykresu, jak pokazano poniżej? Narzędzie plt.text zostało ręcznie odwzorowane, aby uzyskać poniższy przykład, który jest żmudnym procesem.

Answer 1

Możesz przekazać dowolną funkcję z metodami map_* tak długo, jak wynika kilka zasad: 1) powinna narysowania na „bieżący” osi, 2) powinno zająć dwa wektory jako pozycyjnych argumentów i 3) powinien zaakceptować argument słowa kluczowego color (opcjonalnie używając go, jeśli chcesz być kompatybilny z opcją hue).

Więc w twoim przypadku po prostu trzeba zdefiniować trochę corrfunc funkcję, a następnie map go w poprzek osi chcesz mieć adnotacją:

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)