Lære Varmekort | Visualisering med Seaborn

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 visualisere parvise korrelationer mellem variable.

Oprettelse af et simpelt heatmap

seaborn.heatmap() anvender et 2D-datasæt. En almindelig anvendelse er visning af en korrelationsmatrix: Givet en DataFrame, kald .corr() for at beregne korrelationer, og videregiv derefter den resulterende matrix til heatmap().


              1234567891011
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

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)

correlation_matrix = countries_df.corr(numeric_only=True)

sns.heatmap(correlation_matrix)
plt.show()

Korrelationsmatrixen oprettes kun ud fra numeriske kolonner (numeric_only=True).

Annotation og farver

Ved at sætte annot=True indsættes korrelationsværdierne i hver celle. Det er også muligt at vælge et farvekort ved hjælp af cmap.

Bemærk

Det er også muligt at ændre farverne for vores heatmap ved at angive parameteren cmap (du kan udforske det i "Choosing color palettes"-artiklen).


              1234567891011
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

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)

correlation_matrix = countries_df.corr(numeric_only=True)

sns.heatmap(correlation_matrix, annot=True, cmap='viridis')
plt.show()

Farvestangen til højre kan fjernes ved at sætte cbar=False.

Undersøg Mere

I de fleste tilfælde er dette alt, hvad du behøver for en tilpasning af heatmap, 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():


              1234567891011121314
            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

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)

correlation_matrix = countries_df.corr(numeric_only=True)

sns.heatmap(correlation_matrix, annot=True, cmap='viridis')
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 medtages.
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 som det andet argument.
Indstil paletten (farvekortet) for heatmappet til 'crest' ved at specificere det som det tredje (højre) argument.
Rotér x- og y-aksens mærker 15 grader mod uret ved at angive et nøgleordsargument i xticks() og yticks().

Løsning

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

Suggested prompts:

How can I customize the appearance of the heatmap further?

What do the correlation values in the heatmap represent?

Can I use this method with my own dataset?

Awesome!

Completion rate improved to 3.85

Stryg for at vise menuen