Seaborn关节图用相关注释

如何解决Seaborn关节图用相关注释

在发布最新的seaborn版本之前，我可以使用以下内容对皮尔逊Rho注释我的情节。

使用最新版本，我无法找到一种与#ax.annotate(stats.pearsonr)相同的方法。

import matplotlib as mpl
import scipy.stats as stat
import matplotlib.pyplot as plt
import pandas as pd,numpy as np
import scipy.stats as stats
import seaborn as sns

X = np.random.rand(10,2)

df = pd.DataFrame(X,columns=['v1','v2'])

a = df.v1.values
b = a*2 + a**5

print("The Rho is {}".format(np.corrcoef(a,b)[0][1]))

ax = sns.jointplot(a,b,kind='reg',color='royalblue')
#ax.annotate(stats.pearsonr)
ax.ax_joint.scatter(a,b)
ax.set_axis_labels(xlabel='a',ylabel='b',size=15)
plt.tight_layout()
plt.show()

我无法获得的旧输出：

解决方法

sns.jointplot不会返回ax，而是返回JointGrid。您可以将ax_joint，ax_marg_x和ax_marg_y用作普通matplotlib轴，以对子图进行更改，例如添加注释。

这是一个使用轴分数坐标进行定位的示例。

import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats
import seaborn as sns

a = np.random.rand(10)
b = a * 2 + a ** 5

print("The Rho is {}".format(np.corrcoef(a,b)[0][1]))

g = sns.jointplot(x=a,y=b,kind='reg',color='royalblue')
# ax.annotate(stats.pearsonr)
r,p = stats.pearsonr(a,b)
g.ax_joint.annotate(f'$\\rho = {r:.3f},p = {p:.3f}$',xy=(0.1,0.9),xycoords='axes fraction',ha='left',va='center',bbox={'boxstyle': 'round','fc': 'powderblue','ec': 'navy'})
g.ax_joint.scatter(a,b)
g.set_axis_labels(xlabel='a',ylabel='b',size=15)
plt.tight_layout()
plt.show()