Visualizzazione dei Dati Matriciali
Una heatmap è un grafico in cui i valori dei dati sono rappresentati come colori in una matrice.
Questo è il metodo standard per visualizzare matrici di correlazione (come le variabili sono correlate tra loro) o griglie di serie temporali (ad esempio, mesi vs. anni).
Importante: a differenza di scatterplot o barplot, che utilizzano lunghe liste di dati, heatmap richiede tipicamente che i dati siano in formato matrice (2D). Questo si ottiene spesso utilizzando df.pivot_table() prima della visualizzazione.
Parametri principali
annot=True: scrive il valore dei dati in ogni cella;cmap: la mappa di colori (gradiente) da utilizzare. Scelte comuni:'viridis','coolwarm','magma';fmt: codice di formattazione delle stringhe per controllare l'aspetto dei numeri;'d': interi (senza decimali);'.2f': numeri decimali con 2 cifre decimali;'g': formato generale (compatto);linewidths/linecolor: aggiunge bordi distinti tra le celle.
Esempio
Qui è mostrata una heatmap che rappresenta la correlazione tra variabili numeriche nel dataset tips.
12345678910111213141516171819import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # 1. Calculate Correlation Matrix (creates the grid) corr_matrix = df.corr(numeric_only=True) # 2. Plot Heatmap sns.heatmap( data=corr_matrix, annot=True, # Show numbers fmt='.2f', # 2 decimal places cmap='coolwarm',# Red-Blue gradient linewidths=1 # Separation lines ) plt.show()
Swipe to start coding
Visualizzazione del numero di passeggeri che volano nel corso degli anni. I dati sono già stati riorganizzati in una matrice (upd_df) per te utilizzando pivot_table.
- Impostare lo stile su
'ticks'. Modificare il colore di sfondo della figura in'seagreen'('figure.facecolor'). - Creare una heatmap:
- Utilizzare
upd_dfcome dati (è il primo argomento, quindi non è necessariodata=). - Usare la mappa colori
'viridis'(cmap). - Visualizzare i numeri nelle celle (
annot=True). - Formattare i numeri utilizzando
'0.99g'(formato generale). - Impostare il colore delle linee tra le celle su
'plum'(linecolor).
- Visualizzare il grafico.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Fantastico!
Completion tasso migliorato a 4.55
Visualizzazione dei Dati Matriciali
Scorri per mostrare il menu
Una heatmap è un grafico in cui i valori dei dati sono rappresentati come colori in una matrice.
Questo è il metodo standard per visualizzare matrici di correlazione (come le variabili sono correlate tra loro) o griglie di serie temporali (ad esempio, mesi vs. anni).
Importante: a differenza di scatterplot o barplot, che utilizzano lunghe liste di dati, heatmap richiede tipicamente che i dati siano in formato matrice (2D). Questo si ottiene spesso utilizzando df.pivot_table() prima della visualizzazione.
Parametri principali
annot=True: scrive il valore dei dati in ogni cella;cmap: la mappa di colori (gradiente) da utilizzare. Scelte comuni:'viridis','coolwarm','magma';fmt: codice di formattazione delle stringhe per controllare l'aspetto dei numeri;'d': interi (senza decimali);'.2f': numeri decimali con 2 cifre decimali;'g': formato generale (compatto);linewidths/linecolor: aggiunge bordi distinti tra le celle.
Esempio
Qui è mostrata una heatmap che rappresenta la correlazione tra variabili numeriche nel dataset tips.
12345678910111213141516171819import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # 1. Calculate Correlation Matrix (creates the grid) corr_matrix = df.corr(numeric_only=True) # 2. Plot Heatmap sns.heatmap( data=corr_matrix, annot=True, # Show numbers fmt='.2f', # 2 decimal places cmap='coolwarm',# Red-Blue gradient linewidths=1 # Separation lines ) plt.show()
Swipe to start coding
Visualizzazione del numero di passeggeri che volano nel corso degli anni. I dati sono già stati riorganizzati in una matrice (upd_df) per te utilizzando pivot_table.
- Impostare lo stile su
'ticks'. Modificare il colore di sfondo della figura in'seagreen'('figure.facecolor'). - Creare una heatmap:
- Utilizzare
upd_dfcome dati (è il primo argomento, quindi non è necessariodata=). - Usare la mappa colori
'viridis'(cmap). - Visualizzare i numeri nelle celle (
annot=True). - Formattare i numeri utilizzando
'0.99g'(formato generale). - Impostare il colore delle linee tra le celle su
'plum'(linecolor).
- Visualizzare il grafico.
Soluzione
Grazie per i tuoi commenti!
single