Stryg for at vise menuen

Varmekort

Definition

Et heatmap er en metode til at visualisere todimensionale data ved at bruge farver til at repræsentere størrelsen af hver værdi.

Dette eksempel anvender et heatmap til at repræsentere parvise korrelationer mellem variable i et datasæt.

Oprettelse af et simpelt heatmap

seaborn har en funktion kaldet heatmap(). Dens eneste påkrævede parameter er data, som skal være et 2D (rektangulært) datasæt.

Den mest almindelige anvendelse af et heatmap er med en korrelationsmatrix som i eksemplet ovenfor. Givet en DataFrame bør man først kalde dens corr()-metode for at få en korrelationsmatrix og derefter videregive denne matrix som et argument til funktionen heatmap():

En almindelig anvendelse af et heatmap er visning af en korrelationsmatrix. Givet en DataFrame, kald først dens corr()-metode for at opnå korrelationsmatrixen, og videregiv derefter denne matrix som et argument til funktionen heatmap().


              123456789101112131415
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix)

plt.show()

Korrelationstabellen blev oprettet ved kun at bruge de numeriske kolonner i DataFrame. Kolonner med tekst blev udelukket ved at sætte numeric_only=True.

Annotation og farver

Dette heatmap kan gøres mere informativt ved at skrive den relevante værdi (korrelationskoefficienten i dette tilfælde) i hver celle. Dette kan nemt gøres ved at sætte parameteren annot til True.

Bemærk

Det er også muligt at ændre farverne for vores heatmap ved at angive parameteren cmap (du kan udforske dette i "Valg af farvepaletter"-artiklen).


              123456789101112131415
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Setting annotation and color palette
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

plt.show()

Farvebjælken til højre kan fjernes ved at angive cbar=False.

Undersøg Mere

I de fleste tilfælde er dette alt, hvad du behøver for en heatmap-tilpasning, men du kan altid udforske mere i heatmap() dokumentationen.

Forbedring af læsbarhed

Det sidste, der kan forbedre læsbarheden af vores heatmap, er at rotere ticks ved hjælp af de allerede kendte funktioner xticks() og yticks():


              12345678910111213141516171819
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

# Rotating the ticks by 20 degrees counterclockwise
plt.xticks(rotation=20)
plt.yticks(rotation=20)

plt.show()

Opgave

Swipe to start coding

Brug den korrekte metode til at oprette en korrelationsmatrix.
Angiv argumentet for metoden, så kun numeriske variabler inkluderes.
Brug den korrekte funktion til at oprette et heatmap.
Angiv correlation_matrix som data til heatmappet ved at specificere det som det første argument.
Tilføj værdierne i hver celle i matricen ved at specificere det andet argument.
Indstil paletten (farvekortet) for heatmappet til 'crest' ved at specificere det tredje (yderste højre) argument.
Rotér x- og y-aksens mærker 15 grader mod uret ved at angive et nøgleordsargument i xticks() og yticks().

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 5. Kapitel 7

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Varmekort

Definition

Et heatmap er en metode til at visualisere todimensionale data ved at bruge farver til at repræsentere størrelsen af hver værdi.

Dette eksempel anvender et heatmap til at repræsentere parvise korrelationer mellem variable i et datasæt.

Oprettelse af et simpelt heatmap

seaborn har en funktion kaldet heatmap(). Dens eneste påkrævede parameter er data, som skal være et 2D (rektangulært) datasæt.


              123456789101112131415
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix)

plt.show()

Korrelationstabellen blev oprettet ved kun at bruge de numeriske kolonner i DataFrame. Kolonner med tekst blev udelukket ved at sætte numeric_only=True.

Annotation og farver

Bemærk

Det er også muligt at ændre farverne for vores heatmap ved at angive parameteren cmap (du kan udforske dette i "Valg af farvepaletter"-artiklen).


              123456789101112131415
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Setting annotation and color palette
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

plt.show()

Farvebjælken til højre kan fjernes ved at angive cbar=False.

Undersøg Mere

I de fleste tilfælde er dette alt, hvad du behøver for en heatmap-tilpasning, men du kan altid udforske mere i heatmap() dokumentationen.

Forbedring af læsbarhed

Det sidste, der kan forbedre læsbarheden af vores heatmap, er at rotere ticks ved hjælp af de allerede kendte funktioner xticks() og yticks():


              12345678910111213141516171819
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

# Rotating the ticks by 20 degrees counterclockwise
plt.xticks(rotation=20)
plt.yticks(rotation=20)

plt.show()

Opgave

Swipe to start coding

Brug den korrekte metode til at oprette en korrelationsmatrix.
Angiv argumentet for metoden, så kun numeriske variabler inkluderes.
Brug den korrekte funktion til at oprette et heatmap.
Angiv correlation_matrix som data til heatmappet ved at specificere det som det første argument.
Tilføj værdierne i hver celle i matricen ved at specificere det andet argument.
Indstil paletten (farvekortet) for heatmappet til 'crest' ved at specificere det tredje (yderste højre) argument.
Rotér x- og y-aksens mærker 15 grader mod uret ved at angive et nøgleordsargument i xticks() og yticks().

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Stryg for at vise menuen

Varmekort

Oprettelse af et simpelt heatmap

Annotation og farver

Forbedring af læsbarhed

Løsning

Awesome!

Awesome!

Varmekort

Oprettelse af et simpelt heatmap

Annotation og farver

Forbedring af læsbarhed

Løsning

Awesome!