如何在子图中绘制多个带相关系数标注的Seaborn Jointplot

sns.jointplot() 设计为独立生成包含「主关联图+X轴边缘分布图+Y轴边缘分布图」的专属画布，不支持通过ax参数嵌入到plt.subplots()预创建的子图网格中，你传入的ax参数不会被接口识别，因此每次循环调用都会生成单独的图表，无法合并到预设布局里。

根据你需要的最终效果可选择两种实现方式：

方案1：网格共享边缘分布（推荐，更简洁） #

你的需求是固定Y轴变量列表为rt、X轴变量列表为nvars的网格布局，直接用seaborn.PairGrid即可原生实现，不需要手动创建子图，每列共享X轴边缘、每行共享Y轴边缘：

import numpy as np
import pandas as pd
import scipy.stats as stats
import seaborn as sns
import matplotlib.pyplot as plt

ncols=['ra','rb','a','b','c','d']
df=pd.DataFrame(np.random.rand(100,len(ncols)),columns=ncols)
nvars=['a','b','c','d']
rt=['a','b']

# 创建2行4列的配对网格，对应rt的长度为行，nvars的长度为列
g = sns.PairGrid(df, x_vars=nvars, y_vars=rt, height=3)
# 主区域画回归图，对应原jointplot的kind='reg'
g.map(sns.regplot, line_kws={"color": "orange"})
# 列顶部画X轴边缘直方图
g.map_upper(sns.histplot, bins=10, alpha=0.6)
# 行右侧画Y轴边缘直方图
g.map_right(sns.histplot, bins=10, alpha=0.6)

# 循环给每个主图标注相关系数
for row_idx, y_col in enumerate(rt):
    for col_idx, x_col in enumerate(nvars):
        r, p = stats.pearsonr(df[y_col], df[x_col])
        g.axes[row_idx, col_idx].annotate(f'$\\rho = {r:.3f}, p = {p:.3f}$',
                    xy=(0.1, 0.9), xycoords='axes fraction',
                    ha='left', va='center',
                    bbox={'boxstyle': 'round', 'fc': 'powderblue', 'ec': 'navy'})

plt.tight_layout()
plt.show()

方案2：每个单元格带独立边缘（和单个jointplot效果一致） #

如果需要每个单元格都像单独的jointplot一样自带独立边缘，需要手动在画布上创建带边缘的子图组，不调用sns.jointplot接口：

import numpy as np
import pandas as pd
import scipy.stats as stats
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec

ncols=['ra','rb','a','b','c','d']
df=pd.DataFrame(np.random.rand(100,len(ncols)),columns=ncols)
nvars=['a','b','c','d']
rt=['a','b']

n_rows = len(rt)
n_cols = len(nvars)
# 每个joint单元占2行2列的网格空间：主图在(1,0)，X边缘在(0,0)，Y边缘在(1,1)
fig = plt.figure(figsize=(n_cols*4, n_rows*4))
gs = GridSpec(n_rows*2, n_cols*2, figure=fig, 
              width_ratios=[5,1]*n_cols, height_ratios=[1,5]*n_rows,
              wspace=0.1, hspace=0.1)

for row_idx, y_col in enumerate(rt):
    for col_idx, x_col in enumerate(nvars):
        # 计算当前单元在GridSpec中的位置
        base_row = row_idx * 2
        base_col = col_idx * 2
        ax_main = fig.add_subplot(gs[base_row+1, base_col])
        ax_xmargin = fig.add_subplot(gs[base_row, base_col], sharex=ax_main)
        ax_ymargin = fig.add_subplot(gs[base_row+1, base_col+1], sharey=ax_main)

        # 画主回归图
        sns.regplot(data=df, x=x_col, y=y_col, ax=ax_main, line_kws={"color": "orange"})
        # 画X边缘直方图
        sns.histplot(data=df, x=x_col, ax=ax_xmargin, alpha=0.6)
        # 画Y边缘直方图
        sns.histplot(data=df, y=y_col, ax=ax_ymargin, alpha=0.6)

        # 隐藏边缘图的刻度标签
        ax_xmargin.tick_params(axis='x', labelbottom=False)
        ax_ymargin.tick_params(axis='y', labelleft=False)

        # 标注相关系数
        r, p = stats.pearsonr(df[y_col], df[x_col])
        ax_main.annotate(f'$\\rho = {r:.3f}, p = {p:.3f}$',
                    xy=(0.1, 0.9), xycoords='axes fraction',
                    ha='left', va='center',
                    bbox={'boxstyle': 'round', 'fc': 'powderblue', 'ec': 'navy'})

plt.show()

内容的提问来源于stack exchange，提问作者rpb