Le matrici di correlazione possono risultare difficili da interpretare semplicemente osservando i numeri. Le heatmap offrono un modo visivo per comprendere l'intensità e la direzione delle relazioni tra variabili.

Perché utilizzare una heatmap di correlazione?

Una heatmap di correlazione fornisce un modo visivo per esaminare le relazioni tra variabili numeriche. Utilizzando i colori per rappresentare l'intensità e la direzione delle correlazioni, diventa molto più semplice identificare rapidamente associazioni forti o deboli. Questo è particolarmente utile quando si lavora con molte variabili, poiché consente di individuare rapidamente schemi, evidenziare la multicollinearità e guidare ulteriori analisi.

Visualizzazione della matrice di correlazione con una heatmap

Per prima cosa, è necessario creare una matrice di correlazione da visualizzare:

# Select numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs")

Successivamente, è possibile utilizzare la funzione ggcorrplot() per costruire un grafico a partire da essa:

ggcorrplot(cor_matrix,
           method = "square",
           type = "full",
           lab = TRUE,
           lab_size = 5,
           colors = c("red", "white", "forestgreen"),
           title = "Correlation Heatmap",
           ggtheme = ggplot2::theme_light())

Questa funzione dispone di diversi parametri che possono essere utilizzati per modificare lo stile del grafico:

• method = "square" rende ogni cella un blocco quadrato;
• lab = TRUE sovrappone i valori di correlazione su ciascun blocco;
• colors indica la direzione: rosso (negativa), bianco (neutra), verde (positiva);
• theme_light() conferisce al grafico uno stile pulito e minimale.