如何用Pingouin的rcorr结果绘制带显著性标记的热力图？

1. 精准提取相关系数数值 #

Pingouin的rcorr()返回的是带显著性标记的字符串结果（比如"0.87***"或"-"），直接用replace处理容易覆盖不全，用正则表达式提取纯数值更可靠：

import pingouin as pg
import seaborn as sns
import matplotlib.pyplot as plt
import re
import numpy as np

# 示例数据
df = pg.read_dataset('iris')
corr_results = df.rcorr(method='pearson', upper='significance')

# 自定义提取函数：处理"-"和带标记的数值
def get_corr_num(s):
    if s == '-':
        return 1.0
    num_match = re.search(r'-?\d+\.?\d*', str(s))
    return float(num_match.group()) if num_match else np.nan

# 生成纯数值相关系数矩阵
corr_matrix = corr_results.applymap(get_corr_num)

2. 上三角保留显著性标记的绘图方案 #

要实现下三角/对角线显示系数、上三角显示显著性的效果，可自定义标注矩阵：

# 构建标注矩阵
annot_matrix = corr_results.copy()

# 处理下三角：格式化显示系数
for i in range(annot_matrix.shape[0]):
    for j in range(i+1):
        val = get_corr_num(annot_matrix.iloc[i,j])
        annot_matrix.iloc[i,j] = f'{val:.2f}'

# 处理上三角：提取显著性标记
for i in range(annot_matrix.shape[0]):
    for j in range(i+1, annot_matrix.shape[1]):
        sig_match = re.search(r'\*+', annot_matrix.iloc[i,j])
        annot_matrix.iloc[i,j] = sig_match.group() if sig_match else ''

# 绘制热力图
plt.figure(figsize=(10,8))
sns.heatmap(corr_matrix, annot=annot_matrix.values, fmt='', cmap='coolwarm',
            square=True, linewidths=0.5, cbar=True)
plt.title('Correlation Matrix with Significance Annotations')
plt.show()

3. 更高效的替代思路 #

直接用rcorr()的return_results=True参数，分别获取纯数值的相关系数矩阵和p值矩阵，手动生成带显著性的标注：

# 分离系数和p值矩阵
corr, pval = df.rcorr(method='pearson', return_results=True)

# 根据p值生成带标记的标注
annot = np.where(pval < 0.001, corr.round(2).astype(str) + '***',
                 np.where(pval < 0.01, corr.round(2).astype(str) + '**',
                          np.where(pval < 0.05, corr.round(2).astype(str) + '*',
                                   corr.round(2).astype(str))))

# 补全对角线数值
np.fill_diagonal(corr, 1.0)

# 绘图
sns.heatmap(corr, annot=annot, fmt='', cmap='coolwarm')
plt.show()

内容的提问来源于stack exchange，提问作者molcode