Oppiskele Lämpökartta | Visualisointi Seabornilla

Määritelmä

Lämpökartta on menetelmä kaksiulotteisen datan visualisointiin, jossa värejä käytetään kuvaamaan kunkin arvon suuruutta.

Tässä esimerkissä lämpökarttaa käytetään visualisoimaan muuttujien välisiä parittaisia korrelaatioita.

Yksinkertaisen lämpökartan luominen

seaborn.heatmap() käyttää kaksiulotteista aineistoa. Yleinen käyttötapaus on korrelaatiomatriisin visualisointi: kun käytössä on DataFrame, kutsu .corr() laskeaksesi korrelaatiot ja anna tuloksena saatu matriisi heatmap()-funktiolle.


              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()

Korrelaatiomatriisi muodostetaan vain numeerisista sarakkeista (numeric_only=True).

Annotaatiot ja värit

Asettamalla annot=True korrelaatioarvot näytetään jokaisen solun sisällä. Voimme myös valita värikartan käyttämällä cmap-parametria.

Huomio

On myös mahdollista muuttaa lämpökartan värejä asettamalla cmap-parametri (voit tutustua siihen "Choosing color palettes" -artikkelissa).


              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()

Väripalkin oikealla puolella voi poistaa asettamalla cbar=False.

Lisätietoa

Useimmissa tapauksissa tämä riittää lämpökartan muokkaamiseen, mutta voit aina tutustua tarkemmin heatmap() documentation.

Luettavuuden parantaminen

Viimeinen asia, joka parantaa lämpökartan luettavuutta, on asteikkojen kääntäminen käyttämällä jo tuttuja xticks()- ja yticks()-funktioita:


              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()

Tehtävä

Swipe to start coding

Käytä oikeaa menetelmää korrelaatiomatriisin luomiseen.
Aseta menetelmän argumentiksi, että mukaan otetaan vain numeeriset muuttujat.
Käytä oikeaa funktiota lämpökartan luomiseen.
Aseta correlation_matrix lämpökartan dataksi määrittämällä se ensimmäiseksi argumentiksi.
Lisää matriisin jokaisen solun arvot määrittämällä toinen argumentti.
Aseta lämpökartan paletti (värikartta) arvoksi 'crest' määrittämällä se kolmanneksi (oikeanpuoleisimmaksi) argumentiksi.
Kierrä x- ja y-akselin asteikkojen arvoja 15 astetta vastapäivään määrittämällä avainsana-argumentti xticks()- ja yticks()-funktioissa.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 7

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon