Las matrices de correlación pueden resultar difíciles de interpretar solo observando los números. Los mapas de calor ofrecen una forma visual de observar la fuerza y dirección de las relaciones entre variables.

¿Por qué utilizar un mapa de calor de correlación?

Un mapa de calor de correlación proporciona una forma visual de examinar las relaciones entre variables numéricas. Al utilizar colores para representar la fuerza y dirección de las correlaciones, resulta mucho más sencillo identificar asociaciones fuertes o débiles de un vistazo. Esto es especialmente útil al trabajar con muchas variables, ya que puede revelar rápidamente patrones, resaltar la multicolinealidad y guiar análisis posteriores.

Visualización de la matriz de correlación con un mapa de calor

Primero, es necesario crear una matriz de correlación para su visualización:

# Select numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs")

Luego, se puede utilizar la función ggcorrplot() para construir un gráfico a partir de ella:

ggcorrplot(cor_matrix,
           method = "square",
           type = "full",
           lab = TRUE,
           lab_size = 5,
           colors = c("red", "white", "forestgreen"),
           title = "Correlation Heatmap",
           ggtheme = ggplot2::theme_light())

Esta función tiene múltiples parámetros que pueden utilizarse para cambiar el estilo del gráfico:

• method = "square" hace que cada celda sea un bloque cuadrado;
• lab = TRUE superpone los valores de correlación en cada bloque;
• colors indica la dirección: rojo (negativo), blanco (neutral), verde (positivo);
• theme_light() proporciona al gráfico un estilo limpio y minimalista.