Impara Mappa di Calore | Visualizzazione con Seaborn

Definizione

Una heatmap è un metodo per visualizzare dati bidimensionali utilizzando colori per rappresentare l'entità di ciascun valore.

Questo esempio utilizza una heatmap per visualizzare le correlazioni a coppie tra variabili.

Creazione di una Heatmap Semplice

seaborn.heatmap() accetta un dataset bidimensionale. Un caso d'uso comune è la visualizzazione di una matrice di correlazione: dato un DataFrame, si utilizza .corr() per calcolare le correlazioni e si passa la matrice risultante a heatmap().


              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()

La matrice di correlazione viene creata solo dalle colonne numeriche (numeric_only=True).

Annotazioni e Colori

Impostando annot=True si scrivono i valori di correlazione all'interno di ciascuna cella. È inoltre possibile scegliere una mappa di colori utilizzando cmap.

Nota

È anche possibile modificare i colori della nostra heatmap impostando il parametro cmap (puoi esplorarlo nell'articolo "Scelta delle palette di colori").


              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()

La barra dei colori sulla destra può essere rimossa impostando cbar=False.

Approfondisci

Nella maggior parte dei casi questa sarà l'unica personalizzazione necessaria per una heatmap, tuttavia è sempre possibile approfondire consultando la documentazione di heatmap().

Migliorare la leggibilità

L'ultimo aspetto che può migliorare la leggibilità della nostra heatmap è ruotare i tick utilizzando le già note funzioni xticks() e yticks():


              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()

Compito

Swipe to start coding

Utilizzare il metodo corretto per creare una matrice di correlazione.
Impostare l'argomento del metodo per includere solo variabili numeriche.
Utilizzare la funzione corretta per creare una heatmap.
Impostare correlation_matrix come dati per la heatmap specificando il primo argomento.
Aggiungere i valori in ciascuna cella della matrice specificando il secondo argomento.
Impostare la palette (mappa dei colori) della heatmap su 'crest' specificando il terzo (ultimo) argomento.
Ruotare le etichette degli assi x e y di 15 gradi in senso antiorario specificando un argomento keyword in xticks() e yticks().

Soluzione

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 7

single

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il menu