Python滞后相关系数（Lagged correlation）代码分享，气象相关

最近研究南海海温时用到了这个，向大家进行一个代码分享

需要：catorpy，numpy，scipy

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import pearsonr

def LCC(data1, data2, n, path):
#   作滞后相关，n>0时，data2先于data1发生
#   如data2为海温，data1为降水，n为1——>LCC为海温关于当年降水和来年降水的相关
    a = n * 2 + 1
    b = len(data1)
    x = np.arange(-n, n + 1, 1)
    r = np.zeros((a))
    p = np.zeros((a))

    for i in range(a):
        if i < (n):
            r[n - i - 1], p[n - i - 1] = pearsonr(data1[:(b - i - 1)], data2[i + 1:])
        else :
            r[i], p[i] = pearsonr(data1[x[i]:], data2[:b - x[i]])
#   画图
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.axhline(0,linewidth=3, color='k')   #零刻度线
    cs = ax.bar(x[n:], r[n:], align='center',edgecolor='k',linewidth=3,color = 'white')
#            从无滞后相关开始绘图，对齐方式为中心对齐
    count = n
    for bar, height in zip(cs, r):         #开始显著性检验
        if p[count] < 0.01:
            bar.set(hatch='///')           #通过99%的显著性检验为斜线
        if p[count] < 0.005:
            bar.set(hatch='||')            #通过99.5%的显著性检验为竖线
        if p[count] < 0.001:
            bar.set(hatch='--')            #通过99.9%的显著性检验为横线
        count = count+1
    ax.bar_label(cs)                       #标注
    plt.title('cor_max='+ str(np.max(r))+'\n'+'cor_min='+str(np.min(r)))
    plt.show()
    plt.savefig(path)
    plt.close()