PairGrid 上的 Seaborn 相关系数

是否有 matplotlib 或 seaborn 图可以与 g.map_lower 或 g.map_upper 一起使用来获取每个二元图显示的相关系数，如下所示？ plt.text 是手动映射以获得下面的示例，这是一个繁琐的过程。

您可以将任何函数传递给map_*方法，只要它遵循一些规则：1）它应该绘制在“当前”轴上，2）它应该采用两个向量作为位置参数，3）它应该接受color关键字参数（如果您想与hue选项）。

所以在你的情况下你只需要定义一点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)