【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

【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()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80