Lämpökartta
Lämpökartta on menetelmä kaksiulotteisen datan visualisointiin, jossa arvojen suuruudet esitetään väreillä.
Tässä esimerkissä lämpökarttaa käytetään kuvaamaan muuttujien välisiä korrelaatioita aineistossa.
Yksinkertaisen lämpökartan luominen
seaborn-kirjastossa on funktio nimeltä heatmap(). Sen ainoa pakollinen parametri on data, jonka tulee olla 2D (suorakulmainen) tietoaineisto.
Yksi yleisimmistä lämpökartan käyttötapauksista on korrelaatiomatriisin visualisointi, kuten yllä olevassa esimerkissä. Kun käytössä on DataFrame, tulee ensin kutsua sen corr()-metodia korrelaatiomatriisin saamiseksi, ja vasta tämän matriisin voi antaa argumenttina heatmap()-funktiolle:
Yleinen käyttötapa lämpökartalle on korrelaatiomatriisin esittäminen. Kun käytössä on DataFrame, kutsu ensin sen corr()-metodia saadaksesi korrelaatiomatriisin ja anna sitten tämä matriisi argumenttina heatmap()-funktiolle.
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()
Korrelaatiomatriisi luotiin käyttämällä vain DataFrame:n numeerisia sarakkeita. Merkkijonoja sisältävät sarakkeet jätettiin pois asettamalla numeric_only=True.
Annotaatiot ja värit
Tämä lämpökartta voidaan tehdä informatiivisemmaksi kirjoittamalla sopiva arvo (korrelaatiokerroin tässä tapauksessa) jokaiseen soluun. Tämä onnistuu yksinkertaisesti asettamalla annot-parametri arvoon True.
On myös mahdollista muuttaa lämpökartan värejä asettamalla cmap-parametri (voit tutustua siihen "Choosing color palettes" -artikkelissa).
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()
Väripalkin oikealla voi poistaa asettamalla cbar=False.
Useimmissa tapauksissa tämä riittää lämpökartan mukauttamiseen, mutta voit aina tutustua lisää heatmap() dokumentaatioon.
Luettavuuden parantaminen
Viimeinen asia, joka parantaa lämpökartan luettavuutta, on asteikkojen kääntäminen jo tutuilla xticks()- ja yticks()-funktioilla:
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
- Käytä oikeaa menetelmää korrelaatiomatriisin luomiseen.
- Aseta menetelmän argumentiksi, että vain numeeriset muuttujat sisällytetään.
- Käytä oikeaa funktiota lämpökartan luomiseen.
- Aseta
correlation_matrixlämpökartan dataksi määrittämällä se ensimmäiseksi argumentiksi. - Lisää matriisin jokaisen solun arvot määrittämällä toinen argumentti.
- Aseta lämpökartan paletti (värikartta)
'crest'määrittämällä se kolmanneksi (oikeanpuoleisimmaksi) argumentiksi. - Kierrä x- ja y-akselin asteikkotikkuja 15 astetta vastapäivään määrittämällä avainsana-argumentti
xticks()- jayticks()-funktioissa.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 3.85Lämpökartta
Pyyhkäise näyttääksesi valikon
Lämpökartta on menetelmä kaksiulotteisen datan visualisointiin, jossa arvojen suuruudet esitetään väreillä.
Tässä esimerkissä lämpökarttaa käytetään kuvaamaan muuttujien välisiä korrelaatioita aineistossa.
Yksinkertaisen lämpökartan luominen
seaborn-kirjastossa on funktio nimeltä heatmap(). Sen ainoa pakollinen parametri on data, jonka tulee olla 2D (suorakulmainen) tietoaineisto.
Yksi yleisimmistä lämpökartan käyttötapauksista on korrelaatiomatriisin visualisointi, kuten yllä olevassa esimerkissä. Kun käytössä on DataFrame, tulee ensin kutsua sen corr()-metodia korrelaatiomatriisin saamiseksi, ja vasta tämän matriisin voi antaa argumenttina heatmap()-funktiolle:
Yleinen käyttötapa lämpökartalle on korrelaatiomatriisin esittäminen. Kun käytössä on DataFrame, kutsu ensin sen corr()-metodia saadaksesi korrelaatiomatriisin ja anna sitten tämä matriisi argumenttina heatmap()-funktiolle.
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()
Korrelaatiomatriisi luotiin käyttämällä vain DataFrame:n numeerisia sarakkeita. Merkkijonoja sisältävät sarakkeet jätettiin pois asettamalla numeric_only=True.
Annotaatiot ja värit
Tämä lämpökartta voidaan tehdä informatiivisemmaksi kirjoittamalla sopiva arvo (korrelaatiokerroin tässä tapauksessa) jokaiseen soluun. Tämä onnistuu yksinkertaisesti asettamalla annot-parametri arvoon True.
On myös mahdollista muuttaa lämpökartan värejä asettamalla cmap-parametri (voit tutustua siihen "Choosing color palettes" -artikkelissa).
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()
Väripalkin oikealla voi poistaa asettamalla cbar=False.
Useimmissa tapauksissa tämä riittää lämpökartan mukauttamiseen, mutta voit aina tutustua lisää heatmap() dokumentaatioon.
Luettavuuden parantaminen
Viimeinen asia, joka parantaa lämpökartan luettavuutta, on asteikkojen kääntäminen jo tutuilla xticks()- ja yticks()-funktioilla:
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
- Käytä oikeaa menetelmää korrelaatiomatriisin luomiseen.
- Aseta menetelmän argumentiksi, että vain numeeriset muuttujat sisällytetään.
- Käytä oikeaa funktiota lämpökartan luomiseen.
- Aseta
correlation_matrixlämpökartan dataksi määrittämällä se ensimmäiseksi argumentiksi. - Lisää matriisin jokaisen solun arvot määrittämällä toinen argumentti.
- Aseta lämpökartan paletti (värikartta)
'crest'määrittämällä se kolmanneksi (oikeanpuoleisimmaksi) argumentiksi. - Kierrä x- ja y-akselin asteikkotikkuja 15 astetta vastapäivään määrittämällä avainsana-argumentti
xticks()- jayticks()-funktioissa.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
single
