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
feifeigo1233 天前
matlab画图工具
开发语言·matlab
Gofarlic_oms13 天前
避免Kisssoft高级分析模块过度采购的科学评估方法
大数据·linux·运维·人工智能·matlab
rit84324993 天前
全变分正则化图像去噪的MATLAB实现
开发语言·matlab
Evand J3 天前
通过matlab实现机器学习的小项目示例(鸢尾花分类)
机器学习·支持向量机·matlab
bu_shuo3 天前
MATLAB命令行窗口中的字体放大操作
matlab·命令行
micro_xx3 天前
Matlab 有限元分析三维悬臂梁变形
前端·数据库·matlab
Matlab程序设计与单片机3 天前
【变压器故障诊断分类与预测(DGA原始数据)】基于标准Elman神经网络
matlab·elman神经网络·变压器故障诊断与分类预测
Evand J3 天前
【课题推荐】深度学习驱动的交通流量预测系统(基于LSTM的交通流量预测系统),MATLAB实现
人工智能·深度学习·matlab·课题简介
晞子的技术札记3 天前
单相Heric并网逆变器工作原理及MATLAB仿真测试
开发语言·matlab
Matlab程序设计与单片机3 天前
【变压器故障诊断分类与预测(三比值法)】基于标准GRNN神经网络
matlab·grnn神经网络·变压器故障诊断与分类·三比值法