Heatmap-Diagramm
Eine Heatmap ist eine Methode zur Visualisierung zweidimensionaler Daten, bei der Farben verwendet werden, um die Ausprägung jedes Wertes darzustellen.
In diesem Beispiel wird eine Heatmap verwendet, um paarweise Korrelationen zwischen Variablen in einem Datensatz darzustellen.
Erstellen einer einfachen Heatmap
seaborn bietet eine Funktion namens heatmap(). Ihr einziges erforderliches Argument ist data, das ein 2D-(rechteckiger) Datensatz sein muss.
Der häufigste Anwendungsfall für eine Heatmap ist die Darstellung einer Korrelationsmatrix, wie im obigen Beispiel. Bei einem DataFrame sollte zunächst die Methode corr() aufgerufen werden, um eine Korrelationsmatrix zu erhalten. Erst dann wird diese Matrix als Argument an die Funktion heatmap() übergeben:
Ein typischer Anwendungsfall für eine Heatmap ist die Visualisierung einer Korrelationsmatrix. Bei einem DataFrame wird zunächst die Methode corr() aufgerufen, um die Korrelationsmatrix zu erhalten, und anschließend diese Matrix als Argument an die Funktion heatmap() übergeben.
123456789101112131415import 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()
Die Korrelationsmatrix wurde ausschließlich mit den numerischen Spalten des DataFrame erstellt. Spalten mit Zeichenketten wurden durch Setzen von numeric_only=True ausgeschlossen.
Annotation und Farben
Diese Heatmap kann durch das Eintragen des entsprechenden Wertes (Korrelationskoeffizient in unserem Fall) in jede Zelle informativer gestaltet werden. Dies kann einfach durch Setzen des Parameters annot auf True erreicht werden.
Es ist ebenfalls möglich, die Farben unserer Heatmap durch Setzen des Parameters cmap zu ändern (weitere Informationen finden Sie im "Auswahl von Farbpaletten"-Artikel).
123456789101112131415import 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()
Die Farbskala auf der rechten Seite kann durch Setzen von cbar=False entfernt werden.
In den meisten Fällen sind dies alle notwendigen Heatmap-Anpassungen. Weitere Optionen finden Sie in der heatmap()-Dokumentation.
Lesbarkeit verbessern
Ein letzter Schritt zur Verbesserung der Lesbarkeit der Heatmap ist das Drehen der Achsenbeschriftungen mit den bereits bekannten Funktionen xticks() und yticks():
12345678910111213141516171819import 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()
Swipe to start coding
- Die korrekte Methode zur Erstellung einer Korrelationsmatrix verwenden.
- Das Argument der Methode so setzen, dass nur numerische Variablen einbezogen werden.
- Die richtige Funktion zur Erstellung einer Heatmap verwenden.
correlation_matrixals Daten für die Heatmap durch Angabe des ersten Arguments festlegen.- Die Werte in jeder Zelle der Matrix durch Angabe des zweiten Arguments hinzufügen.
- Die Farbpalette (colormap) der Heatmap durch Angabe des dritten (rechten) Arguments auf
'crest'setzen. - Die x- und y-Achsenbeschriftungen durch Angabe eines Schlüsselwortarguments in
xticks()undyticks()um 15 Grad gegen den Uhrzeigersinn drehen.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.85Heatmap-Diagramm
Swipe um das Menü anzuzeigen
Eine Heatmap ist eine Methode zur Visualisierung zweidimensionaler Daten, bei der Farben verwendet werden, um die Ausprägung jedes Wertes darzustellen.
In diesem Beispiel wird eine Heatmap verwendet, um paarweise Korrelationen zwischen Variablen in einem Datensatz darzustellen.
Erstellen einer einfachen Heatmap
seaborn bietet eine Funktion namens heatmap(). Ihr einziges erforderliches Argument ist data, das ein 2D-(rechteckiger) Datensatz sein muss.
Der häufigste Anwendungsfall für eine Heatmap ist die Darstellung einer Korrelationsmatrix, wie im obigen Beispiel. Bei einem DataFrame sollte zunächst die Methode corr() aufgerufen werden, um eine Korrelationsmatrix zu erhalten. Erst dann wird diese Matrix als Argument an die Funktion heatmap() übergeben:
Ein typischer Anwendungsfall für eine Heatmap ist die Visualisierung einer Korrelationsmatrix. Bei einem DataFrame wird zunächst die Methode corr() aufgerufen, um die Korrelationsmatrix zu erhalten, und anschließend diese Matrix als Argument an die Funktion heatmap() übergeben.
123456789101112131415import 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()
Die Korrelationsmatrix wurde ausschließlich mit den numerischen Spalten des DataFrame erstellt. Spalten mit Zeichenketten wurden durch Setzen von numeric_only=True ausgeschlossen.
Annotation und Farben
Diese Heatmap kann durch das Eintragen des entsprechenden Wertes (Korrelationskoeffizient in unserem Fall) in jede Zelle informativer gestaltet werden. Dies kann einfach durch Setzen des Parameters annot auf True erreicht werden.
Es ist ebenfalls möglich, die Farben unserer Heatmap durch Setzen des Parameters cmap zu ändern (weitere Informationen finden Sie im "Auswahl von Farbpaletten"-Artikel).
123456789101112131415import 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()
Die Farbskala auf der rechten Seite kann durch Setzen von cbar=False entfernt werden.
In den meisten Fällen sind dies alle notwendigen Heatmap-Anpassungen. Weitere Optionen finden Sie in der heatmap()-Dokumentation.
Lesbarkeit verbessern
Ein letzter Schritt zur Verbesserung der Lesbarkeit der Heatmap ist das Drehen der Achsenbeschriftungen mit den bereits bekannten Funktionen xticks() und yticks():
12345678910111213141516171819import 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()
Swipe to start coding
- Die korrekte Methode zur Erstellung einer Korrelationsmatrix verwenden.
- Das Argument der Methode so setzen, dass nur numerische Variablen einbezogen werden.
- Die richtige Funktion zur Erstellung einer Heatmap verwenden.
correlation_matrixals Daten für die Heatmap durch Angabe des ersten Arguments festlegen.- Die Werte in jeder Zelle der Matrix durch Angabe des zweiten Arguments hinzufügen.
- Die Farbpalette (colormap) der Heatmap durch Angabe des dritten (rechten) Arguments auf
'crest'setzen. - Die x- und y-Achsenbeschriftungen durch Angabe eines Schlüsselwortarguments in
xticks()undyticks()um 15 Grad gegen den Uhrzeigersinn drehen.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
