如何画好一个相关图

《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》

众所周知，论文里面经常会出现各种各样的图，一些好看的作图不仅能够更好地展示论文的结果，并且能让审稿人眼前一亮。在处理数据的时候我们经常遇到需要计算相关的情况，今天我们将为大家演示类似于下面这种相关图的做法。

图1

这种相关性图不仅能够表示出横纵坐标的相似性，并且能清楚地展示两组数据的分布情况，画这种相关性图需要用到seaborn工具包。

这里推荐大家直接安装Anaconada，里面已经内置和各种常用的工具包，并且能够很好地处理工具包冲突的问题。并且以后公众号会推出深度学习相关的代码，也需要用到这个环境。

1.Anaconada 安装 打开Anaconada清华镜像（https://mirrors.tuna.tsinghua.edu.cn/ anaconda/archive/），然后找到和电脑系统匹配的操作系统，这里选择的是windows和64位操作系统的版本，注意请选择python3X版本。下图显示的是不同的版本号和对应的操作系统。

图2

下载完，直接双击安装即可（window版本）。

2.打开sypder软件 安装成功之后将在系统开始菜单下面看到Anaconada文件夹，打开spyder软件。

图3

3.数据准备 将需要计算相关的数据放入excel文件中（也可以用pandas数据类型的数据，初学者建议用excel），数据格式如下图：

图4

4.程序操作 1）加入需要的工具包 import seaborn as sns import pandas as pd import matplotlib.pyplot as plt import scipy.stats as sci 2）读入数据 data = pd.read_excel(r’xiage.xlsx’) #如果是数据没有在当前路径下面需要加入完成的数据路径 3）画图 sns_plot = sns.jointplot(x=“aa”, y=“bb”, data=data, kind=“reg”, color=sns.xkcd_rgb[“blue”]) 注意：color可以设置成工具包自带的任意颜色，例如color= “red”，对应的颜色和名称请参见 https://www.cnblogs.com/qianblue/p/10783261.html 4）添加相关性度量（这里用的是spearman相关） sns_plot.annotate(sci.spearmanr) #皮尔逊相关 sci.pearsonr 5）保存图片 fig = sns_plot.fig fig.savefig(“test.tif”, dpi=300) 6）设置字体的大小 sns.set_context(fontscale=1.5) 7）设置图片的主题风格 sns.set_style(‘darkgrid’) #一共有五种可供选择，大家可以试一下， darkgrid（灰色背景+白网格）, whitegrid（白色背景+黑网格）, dark（仅灰色背景）, white（仅白色背景）和ticks（坐标轴带刻度）

5.完整代码 import seaborn as sns import pandas as pd import matplotlib.pyplot as plt import scipy.stats as sci data = pd.read_excel(r’xiage.xlsx’) #Custom the inside plot: options are:“scatter” | “reg” | “resid” | “kde” | “hex” sns.set_context(“paper”, font_scale=1.2) sns.set_style(‘darkgrid’) sns_plot = sns.jointplot(x=“aa”, y=“bb”,data=data,kind=“reg”,color=sns.xkcd_rgb[“blue”]) sns_plot.annotate(sci.spearmanr) fig = sns_plot.fig fig.savefig(“test.tif”, dpi=300)