【python海洋专题三十六】两个一维数组的相关系数–为海洋指数作准备
两组数据:
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
A = [41, 63, 83, 71, 94, 62, 60, 42, 55, 67]
B = [10, 16, 26, 29, 20, 9, 8, 13, 18, 14]
图像展示:
往期推荐
【python海洋专题一】查看数据nc文件的属性并输出属性到txt文件
【python海洋专题二】读取水深nc文件并水深地形图
【python海洋专题三】图像修饰之画布和坐标轴
【Python海洋专题四】之水深地图图像修饰
【Python海洋专题五】之水深地形图海岸填充
【Python海洋专题六】之Cartopy画地形水深图
【python海洋专题】测试数据
【Python海洋专题七】Cartopy画地形水深图的陆地填充
【python海洋专题八】Cartopy画地形水深图的contourf填充间隔数调整
【python海洋专题九】Cartopy画地形等深线图
【python海洋专题十】Cartopy画特定区域的地形等深线图
【python海洋专题十一】colormap调色
【python海洋专题十二】年平均的南海海表面温度图
【python海洋专题十三】读取多个nc文件画温度季节变化图
【python海洋专题十四】读取多个盐度nc数据画盐度季节变化图
【python海洋专题十五】给colorbar加单位
【python海洋专题十六】对大陆周边的数据进行临近插值
【python海洋专题十七】读取几十年的OHC数据,画四季图
【python海洋专题十八】读取Soda数据,画subplot的海表面高度四季变化图
【python海洋专题十九】找范围的语句进阶版本
【python海洋专题二十】subplots_adjust布局调整
【python海洋专题二十一】subplots共用一个colorbar
【python海洋专题二十二】在海图上text
【python海洋专题二十三】共用坐标轴
【python海洋专题二十四】南海年平均海流图
【python海洋专题二十五】给南海年平均海流+scale
【python海洋专题二十六】南海海流流速图
【python海洋专题二十七】南海四季海流图
【python海洋专题二十八】南海四季海流流速图
【python海洋专题二十九】读取CTD文件数据并画温度点剖面图
【python海洋专题三十】画南海115°E的温度剖面图
【python海洋专题三十一】画南海115°E的地形温度剖面图
【python海洋专题三十二】画南海115°E的地形温度流速剖面图
【python海洋专题三十三】画海洋表面的风场分布
【python海洋专题三十四】调用自己的colormore
【python海洋专题三十五】加密数据–二维插值
【python海洋专题三十六】两个一维数组的相关系数–为海洋指数作准备
【MATLAB海洋专题】历史汇总
【matlab程序】图片平面制作||文末点赞分享||海报制作等
大佬推荐一下物理海洋教材吧?
【matlab海洋专题】高级玫瑰图–风速风向频率玫瑰图–此图细节较多
【上千种颜色包|全平台可用】收集自Matlab、python、R、NCL等颜色包
R语言_RColorBrewer包–全平台可用
海洋专用cmocean颜色包_共22种–全平台可用
【matlab教程】matlab不规则区域的外围填充
【海洋科普】沉积物分为粘性沉积物和非粘性沉积物
【海洋科普】黄渤海地理介绍
【科普知识】海洋尺度图和解释
【海洋科普】海洋环流与等高线岩特征联系
代码分享:
import scipy.stats as stats
from matplotlib import pyplot as plt
from palettable.matplotlib import matplotlib
import matplotlib
import numpy as np
from matplotlib import pyplot as plt
import codecs
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
A = [41, 63, 83, 71, 94, 62, 60, 42, 55, 67]
B = [10, 16, 26, 29, 20, 9, 8, 13, 18, 14]
# -01----调用颜色---
filename = 'D:\matlab_work\函数名为colormore的颜色索引表制作\R_color_txt\R_color_single\\brown.txt'
file = open(filename, 'r')
lines = file.readlines()
file.close()
data = []
for line in lines:
data.append(float(line.strip()))
data = np.array(data)
# ----
filename = 'D:\matlab_work\函数名为colormore的颜色索引表制作\R_color_txt\R_color_single\\brown3.txt'
file = open(filename, 'r')
lines = file.readlines()
file.close()
data2 = []
for line in lines:
data2.append(float(line.strip()))
data2 = np.array(data2)
# ---
filename = 'D:\matlab_work\函数名为colormore的颜色索引表制作\R_color_txt\R_color_single\\cornflowerblue.txt'
file = open(filename, 'r')
lines = file.readlines()
file.close()
data1 = []
for line in lines:
data1.append(float(line.strip()))
data1 = np.array(data1)
# ----0 ---end----cornflowerblue
# 中文字体设置
matplotlib.rc("font", family='Microsoft YaHei', weight="bold")
# 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号
# 创建图形和坐标轴对象
# 分辨率参数-dpi,画布大小参数-figsize
fig, ax = plt.subplots(dpi=300, figsize=(4.2, 2.2))
# 绘制第一个数组的折线图
ax.plot(x, A, color=data / 256, marker='.', linestyle='-', linewidth=1, markersize=1)
ax.plot(x, B, color=data1 / 256, marker='.', linestyle='-', linewidth=1, markersize=1)
# 设置坐标轴标签
# 标签设置字体大小设置
plt.xlabel('年份', fontsize=4,color=data2 / 256)
plt.ylabel('AMO(index)', fontsize=4,color=data2 / 256)
plt.title('相关系数', fontsize=5, color=data2 / 256)
plt.xlim(0, 11)
plt.ylim(0, 100)
y_tick = np.linspace(0, 100, 10)
plt.yticks(y_tick, fontsize=4, color=data2 / 256)
x_tick = np.linspace(0, 10, 10)
plt.xticks(x_tick, fontsize=4, color=data2 / 256)
# ----
plt.text(x=8, # 文本x轴坐标
y=80, # 文本y轴坐标
s='两组数据的相关系数:0.6', # 文本内容
rotation=1, # 文字旋转
ha='left', # x=2.2是文字的左端位置,可选'center', 'right', 'left'
va='baseline', # y=8是文字的低端位置,可选'center', 'top', 'bottom', 'baseline', 'center_baseline'
fontdict=dict(fontsize=5,
color=data1 / 256,
#family='serif', # 字体,可选'serif', 'sans-serif', 'cursive', 'fantasy', 'monospace'
weight='bold', # 磅值,可选'light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black'
) # 字体属性设置
)
print(stats.pearsonr(A, B))
plt.savefig('两组一位数组的相关系数_index.jpg', dpi=600, bbox_inches='tight', pad_inches=0.1) # 输出地图,并设置边框空白紧密
plt.show()