Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Visualización de Datos Matriciales | Sección
Practice
Projects
Quizzes & Challenges
Cuestionarios
Challenges
/
Visualización Estadística con Seaborn

bookVisualización de Datos Matriciales

Un heatmap es un gráfico donde los valores de los datos se representan como colores en una matriz.

Esta es la forma estándar de visualizar matrices de correlación (cómo se relacionan las variables entre sí) o rejillas de series temporales (por ejemplo, meses vs. años).

Importante: a diferencia de scatterplot o barplot, que utilizan listas largas de datos, heatmap normalmente requiere que los datos estén en formato de matriz (2D). Esto suele lograrse utilizando df.pivot_table() antes de graficar.

Parámetros clave

  • annot=True: muestra el valor de los datos en cada celda;
  • cmap: el mapa de colores (gradiente) a utilizar. Opciones comunes: 'viridis', 'coolwarm', 'magma';
  • fmt: código de formato de cadena para controlar la apariencia de los números;
  • 'd': enteros (sin decimales);
  • '.2f': flotantes con 2 decimales;
  • 'g': formato general (compacto);
  • linewidths / linecolor: añade bordes distintivos entre las celdas.

Ejemplo

A continuación se muestra un heatmap que representa la correlación entre variables numéricas en el conjunto de datos tips.

12345678910111213141516171819
import 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()
copy
Tarea

Swipe to start coding

Visualización del número de pasajeros que vuelan a lo largo de los años. Los datos ya han sido reorganizados en una matriz (upd_df) para usted utilizando pivot_table.

  1. Establecer el estilo en 'ticks'. Cambiar el color de fondo de la figura a 'seagreen' ('figure.facecolor').
  2. Crear un mapa de calor:
  • Utilizar upd_df como datos (este es el primer argumento, por lo que no necesita data=).
  • Usar el mapa de colores 'viridis' (cmap).
  • Mostrar los números en las celdas (annot=True).
  • Formatear los números usando '0.99g' (formato general).
  • Establecer el color de las líneas entre celdas en 'plum' (linecolor).
  1. Mostrar la gráfica.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 1. Capítulo 16
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

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

close

bookVisualización de Datos Matriciales

Desliza para mostrar el menú

Un heatmap es un gráfico donde los valores de los datos se representan como colores en una matriz.

Esta es la forma estándar de visualizar matrices de correlación (cómo se relacionan las variables entre sí) o rejillas de series temporales (por ejemplo, meses vs. años).

Importante: a diferencia de scatterplot o barplot, que utilizan listas largas de datos, heatmap normalmente requiere que los datos estén en formato de matriz (2D). Esto suele lograrse utilizando df.pivot_table() antes de graficar.

Parámetros clave

  • annot=True: muestra el valor de los datos en cada celda;
  • cmap: el mapa de colores (gradiente) a utilizar. Opciones comunes: 'viridis', 'coolwarm', 'magma';
  • fmt: código de formato de cadena para controlar la apariencia de los números;
  • 'd': enteros (sin decimales);
  • '.2f': flotantes con 2 decimales;
  • 'g': formato general (compacto);
  • linewidths / linecolor: añade bordes distintivos entre las celdas.

Ejemplo

A continuación se muestra un heatmap que representa la correlación entre variables numéricas en el conjunto de datos tips.

12345678910111213141516171819
import 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()
copy
Tarea

Swipe to start coding

Visualización del número de pasajeros que vuelan a lo largo de los años. Los datos ya han sido reorganizados en una matriz (upd_df) para usted utilizando pivot_table.

  1. Establecer el estilo en 'ticks'. Cambiar el color de fondo de la figura a 'seagreen' ('figure.facecolor').
  2. Crear un mapa de calor:
  • Utilizar upd_df como datos (este es el primer argumento, por lo que no necesita data=).
  • Usar el mapa de colores 'viridis' (cmap).
  • Mostrar los números en las celdas (annot=True).
  • Formatear los números usando '0.99g' (formato general).
  • Establecer el color de las líneas entre celdas en 'plum' (linecolor).
  1. Mostrar la gráfica.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 1. Capítulo 16
single

single

some-alt