Oppiskele Lämpökartta | Visualisointi Seabornilla

Määritelmä

Heatmap eli lämpökartta on menetelmä kaksiulotteisen datan visualisointiin, jossa arvojen suuruudet esitetään väreinä.

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 kaksiulotteinen (suorakulmainen) aineisto.

Yksi yleisimmistä lämpökartan käyttötarkoituksista on korrelaatiomatriisin visualisointi, kuten yllä olevassa esimerkissä. Kun käytössä on DataFrame, kutsutaan ensin sen corr()-metodia korrelaatiomatriisin saamiseksi, ja tämän jälkeen tämä matriisi annetaan 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.


              123456789101112131415
            
import 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 numeerisia sarakkeita DataFrame-rakenteesta. Merkkijonoja sisältävät sarakkeet jätettiin pois asettamalla numeric_only=True.

Annotaatiot ja värit

Tätä lämpökarttaa voidaan tehdä informatiivisemmaksi kirjoittamalla sopiva arvo (korrelaatiokerroin tässä tapauksessa) jokaiseen soluun. Tämä onnistuu yksinkertaisesti asettamalla annot-parametri arvoon True.

Huomio

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


              123456789101112131415
            
import 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 puolella voi poistaa asettamalla cbar=False.

Lisätietoa

Useimmissa tapauksissa tämä riittää lämpökartan mukauttamiseen, mutta voit aina tutustua lisää heatmap() dokumentaatiossa.

Luettavuuden parantaminen

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


              12345678910111213141516171819
            
import 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()

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 asteikkoja 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

Määritelmä

Heatmap eli lämpökartta on menetelmä kaksiulotteisen datan visualisointiin, jossa arvojen suuruudet esitetään väreinä.

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 kaksiulotteinen (suorakulmainen) aineisto.


              123456789101112131415
            
import 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 numeerisia sarakkeita DataFrame-rakenteesta. Merkkijonoja sisältävät sarakkeet jätettiin pois asettamalla numeric_only=True.

Annotaatiot ja värit

Huomio

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


              123456789101112131415
            
import 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 puolella voi poistaa asettamalla cbar=False.

Lisätietoa

Useimmissa tapauksissa tämä riittää lämpökartan mukauttamiseen, mutta voit aina tutustua lisää heatmap() dokumentaatiossa.

Luettavuuden parantaminen

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


              12345678910111213141516171819
            
import 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()

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 asteikkoja 15 astetta vastapäivään määrittämällä avainsana-argumentti xticks()- ja yticks()-funktioissa.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 7

single

Lämpökartta

Yksinkertaisen lämpökartan luominen

Annotaatiot ja värit

Luettavuuden parantaminen

Ratkaisu

Awesome!

Lämpökartta

Yksinkertaisen lämpökartan luominen

Annotaatiot ja värit

Luettavuuden parantaminen

Ratkaisu

Awesome!