Visualisierung von Matrixdaten
Ein heatmap ist ein Diagramm, bei dem Datenwerte als Farben in einer Matrix dargestellt werden.
Dies ist die Standardmethode zur Visualisierung von Korrelationsmatrizen (wie Variablen zueinander in Beziehung stehen) oder Zeitreihengittern (z. B. Monate vs. Jahre).
Wichtig: Im Gegensatz zu scatterplot oder barplot, die lange Datenlisten verwenden, benötigt heatmap die Daten typischerweise im Matrix- (2D-) Format. Dies wird häufig durch die Verwendung von df.pivot_table() vor dem Plotten erreicht.
Wichtige Parameter
annot=True: schreibt den Datenwert in jede Zelle;cmap: die zu verwendende Farbskala (Gradient). Häufige Optionen:'viridis','coolwarm','magma';fmt: String-Formatierungscode zur Steuerung der Zahlenanzeige;'d': Ganzzahlen (ohne Dezimalstellen);'.2f': Fließkommazahlen mit 2 Dezimalstellen;'g': allgemeines Format (kompakt);linewidths/linecolor: fügt deutliche Ränder zwischen den Zellen hinzu.
Beispiel
Hier ist eine Heatmap, die die Korrelation zwischen numerischen Variablen im tips-Datensatz zeigt.
12345678910111213141516171819import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # 1. Calculate Correlation Matrix (creates the grid) corr_matrix = df.corr(numeric_only=True) # 2. Plot Heatmap sns.heatmap( data=corr_matrix, annot=True, # Show numbers fmt='.2f', # 2 decimal places cmap='coolwarm',# Red-Blue gradient linewidths=1 # Separation lines ) plt.show()
Swipe to start coding
Visualisierung der Anzahl der Passagiere im Verlauf der Jahre. Die Daten wurden bereits mithilfe von upd_df in eine Matrix (pivot_table) umgeformt.
- Stil auf
'ticks'setzen. Die Hintergrundfarbe der Abbildung auf'seagreen'('figure.facecolor') ändern. - Heatmap erstellen:
upd_dfals Daten übergeben (dies ist das erste Argument, daher istdata=nicht erforderlich).- Die Farbskala
'viridis'(cmap) verwenden. - Zahlen in den Zellen anzeigen (
annot=True). - Zahlenformatierung mit
'0.99g'(allgemeines Format). - Die Linienfarbe zwischen den Zellen auf
'plum'(linecolor) setzen.
- Diagramm anzeigen.
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
Großartig!
Completion Rate verbessert auf 4.55Visualisierung von Matrixdaten
Swipe um das Menü anzuzeigen
Ein heatmap ist ein Diagramm, bei dem Datenwerte als Farben in einer Matrix dargestellt werden.
Dies ist die Standardmethode zur Visualisierung von Korrelationsmatrizen (wie Variablen zueinander in Beziehung stehen) oder Zeitreihengittern (z. B. Monate vs. Jahre).
Wichtig: Im Gegensatz zu scatterplot oder barplot, die lange Datenlisten verwenden, benötigt heatmap die Daten typischerweise im Matrix- (2D-) Format. Dies wird häufig durch die Verwendung von df.pivot_table() vor dem Plotten erreicht.
Wichtige Parameter
annot=True: schreibt den Datenwert in jede Zelle;cmap: die zu verwendende Farbskala (Gradient). Häufige Optionen:'viridis','coolwarm','magma';fmt: String-Formatierungscode zur Steuerung der Zahlenanzeige;'d': Ganzzahlen (ohne Dezimalstellen);'.2f': Fließkommazahlen mit 2 Dezimalstellen;'g': allgemeines Format (kompakt);linewidths/linecolor: fügt deutliche Ränder zwischen den Zellen hinzu.
Beispiel
Hier ist eine Heatmap, die die Korrelation zwischen numerischen Variablen im tips-Datensatz zeigt.
12345678910111213141516171819import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # 1. Calculate Correlation Matrix (creates the grid) corr_matrix = df.corr(numeric_only=True) # 2. Plot Heatmap sns.heatmap( data=corr_matrix, annot=True, # Show numbers fmt='.2f', # 2 decimal places cmap='coolwarm',# Red-Blue gradient linewidths=1 # Separation lines ) plt.show()
Swipe to start coding
Visualisierung der Anzahl der Passagiere im Verlauf der Jahre. Die Daten wurden bereits mithilfe von upd_df in eine Matrix (pivot_table) umgeformt.
- Stil auf
'ticks'setzen. Die Hintergrundfarbe der Abbildung auf'seagreen'('figure.facecolor') ändern. - Heatmap erstellen:
upd_dfals Daten übergeben (dies ist das erste Argument, daher istdata=nicht erforderlich).- Die Farbskala
'viridis'(cmap) verwenden. - Zahlen in den Zellen anzeigen (
annot=True). - Zahlenformatierung mit
'0.99g'(allgemeines Format). - Die Linienfarbe zwischen den Zellen auf
'plum'(linecolor) setzen.
- Diagramm anzeigen.
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
