Seaborn Pairplot皮尔逊P统计量

Question

我在python/seaborn/scipy.stats/matplotlib.pyplot等网站上作为新手完成了一项数据分析任务

Seaborn Correlation Coefficient on PairGrid这个链接，它帮助我通过皮尔逊R分数来呈现变量之间的关系。但是，由于皮尔逊测试的输出也应该具有p值，以便表明统计意义，因此我正在寻找一种方法，将P值添加到我的图上的注释中。

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。未异常数据是经过过滤以删除异常值的数据帧

任何想法都会很棒

问候

Answer 1

不确定是否有人会看到这一点，但在与了解更多的人交谈后，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

​

​