matlab画相关系数图(长时序--分时期分月份)

成图如下:

a图为例子,纵坐标是1-12月,横坐标是不同的因子。如左下第一格表示的就是x1与AO因子在十二月的相关性。

(a/b/c是x1因子,d/e/f是x2因子)

首先要计算出每个相关系数(可以在SPSS中完成),然后将它们按矩阵型输入到excel中,如下:

接着在matlab中读入数据,直接画图:

Matlab 复制代码
corr = readtable('AONAODA.xls','Sheet','Sheet2');
A1 = table2array(corr(1:12,2:4));
A2 = table2array(corr(1:12,7:9));
A3 = table2array(corr(1:12,12:14));
A4 = table2array(corr(15:26,2:4));
A5 = table2array(corr(15:26,7:9));
A6 = table2array(corr(15:26,12:14));
% CMap=slanCM(102);
CMap=slanCM(95);


figure;
sub1 = subplot(2,3,1);
imagesc(A2);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
pos=set(sub1,'Position', [0.06 0.58 0.22 0.38]);  %设置位置
txt = {'(a) 1984-2000'};
text(0.1,1,txt)

% yticklabels({'Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'});

sub2 = subplot(2,3,2);
imagesc(A3);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
pos=set(sub2,'Position', [0.36 0.58 0.22 0.38]);
txt = {'(b) 2001-2022'};
text(0.1,1,txt)

sub3 = subplot(2,3,3);
imagesc(A1);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
txt = {'(c) 1984-2022'};
text(0.1,1,txt)
pos=set(sub3,'Position', [0.66 0.58 0.22 0.38]);

sub4 = subplot(2,3,4);
imagesc(A5);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
pos=set(sub4,'Position', [0.06 0.1 0.22 0.38]);
txt = {'(d) 1984-2000'};
text(0.1,1,txt)

sub5 = subplot(2,3,5);
imagesc(A6);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
pos=set(sub5,'Position', [0.36 0.1 0.22 0.38]);
txt = {'(e) 2001-2022'};
text(0.1,1,txt)

sub6=subplot(2,3,6);
imagesc(A4);
caxis([-1 1]);
xticklabels({'AO','NAO','DA'});
yticks([1:2:12]);
yticklabels({'Jan','Mar','May','Jul','Sep','Nov'});
pos=set(sub6,'Position', [0.66 0.1 0.22 0.38]);
txt = {'(f) 1984-2022'};
text(0.1,1,txt)

colormap(CMap);


h=colorbar('eastoutside','fontsize',12);
set(get(h,'Title'),'string','Corr','fontsize',9)
set(h,'YTick',-1:1:1,'fontsize',9);%设置colorbar单位
pos3=set(h,'Position', [0.92 0.1 0.022 0.85]);  %设置colorbar位置

上面的代码大部分都是重复的,只要弄懂第一个子图怎么画,后面的改变量就行。

(CMap是我下的颜色库,也可以用matlab自带的)

另外,多子图的colorbar的设置需要在最后单独写几行代码,可根据自己需求更改。

祝大家画出好看的图。

相关推荐
rit843249911 分钟前
电容层析成像(ECT)的ART算法MATLAB演示实例
开发语言·算法·matlab
ytttr87318 小时前
MATLAB SIFT图像配准实现
算法·机器学习·matlab
南宫萧幕18 小时前
HEV能量管理控制算法实战:从MPC/RL理论基础到Simulink闭环建模
算法·matlab·汽车·控制·pid
IT猿手19 小时前
SCI一区:章鱼优化算法(Octopus Optimization Algorithm, OOA)求解23个测试函数,出图丰富,提供完整MATLAB代码
开发语言·算法·matlab
leo__52020 小时前
单载波中继系统资源分配算法MATLAB仿真程序
算法·matlab·unity
南宫萧幕21 小时前
Python与Simulink联合仿真:基于DQN的HEV能量管理策略建模与全链路排雷实战
开发语言·人工智能·python·算法·机器学习·matlab·控制
yongui478341 天前
基于卷积神经网络(CNN)的盲源分离MATLAB实现
人工智能·matlab·cnn
listhi5201 天前
基于SVM和决策树的孤岛检测MATLAB实现
决策树·支持向量机·matlab
Evand J1 天前
【MATLAB例程】多传感器协同DOA目标跟踪与EKF滤波,输出动态目标轨迹、轨迹误差对比分析
开发语言·matlab·目标跟踪·滤波·定位·导航
简简单单做算法1 天前
基于Qlearning强化学习和Parzen窗的图像分割算法matlab仿真
matlab·图像分割·强化学习·qlearning·parzen窗