Aprende Mapa de Calor | Visualización con Seaborn

Definición

Un mapa de calor es un método para visualizar datos bidimensionales utilizando colores para representar la magnitud de cada valor.

Este ejemplo utiliza un mapa de calor para visualizar las correlaciones por pares entre variables.

Creación de un mapa de calor simple

seaborn.heatmap() utiliza un conjunto de datos 2D. Un caso de uso común es graficar una matriz de correlación: dado un DataFrame, se llama a .corr() para calcular las correlaciones y luego se pasa la matriz resultante a 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()

La matriz de correlación se crea solo a partir de columnas numéricas (numeric_only=True).

Anotación y Colores

Configurar annot=True escribe los valores de correlación dentro de cada celda. También es posible seleccionar un mapa de colores utilizando cmap.

Nota

También es posible cambiar los colores de nuestro mapa de calor configurando el parámetro cmap (puede explorarlo en el artículo "Choosing color palettes").


              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()

La barra de color a la derecha se puede eliminar configurando cbar=False.

Estudiar más

En la mayoría de los casos, esto es todo lo que se necesita para la personalización de un mapa de calor, sin embargo, siempre se puede explorar más en la documentación de heatmap().

Mejorar la legibilidad

El último aspecto que mejoraría la legibilidad de nuestro mapa de calor es rotar las marcas utilizando las funciones ya conocidas xticks() y 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()

Tarea

Swipe to start coding

Utilizar el método correcto para crear una matriz de correlación.
Establecer el argumento del método para incluir solo variables numéricas.
Utilizar la función adecuada para crear un mapa de calor.
Definir correlation_matrix como los datos para el mapa de calor especificando el primer argumento.
Añadir los valores en cada celda de la matriz especificando el segundo argumento.
Establecer la paleta (mapa de colores) del mapa de calor en 'crest' especificando el tercer (último) argumento.
Rotar las etiquetas de los ejes x e y 15 grados en sentido antihorario especificando un argumento de palabra clave en xticks() y yticks().

Solución

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 5. Capítulo 7

single

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

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

Desliza para mostrar el menú