Visualisering av Matrisedata
Et heatmap er et diagram hvor dataverdier vises som farger i en matrise.
Dette er standardmetoden for å visualisere korrelasjonsmatriser (hvordan variabler forholder seg til hverandre) eller tidsserieraster (f.eks. måneder vs. år).
Viktig: I motsetning til scatterplot eller barplot, som tar lange lister med data, krever heatmap vanligvis at dataene dine er i matrise (2D)-format. Dette oppnås ofte ved å bruke df.pivot_table() før plotting.
Viktige parametere
annot=True: skriver dataverdien i hver celle;cmap: fargekart (gradient) som skal brukes. Vanlige valg:'viridis','coolwarm','magma';fmt: strengformatkode for å kontrollere hvordan tall vises;'d': heltall (ingen desimaler);'.2f': flyttall med 2 desimaler;'g': generell format (kompakt);linewidths/linecolor: legger til tydelige grenser mellom cellene.
Eksempel
Her er et heatmap som viser korrelasjonen mellom numeriske variabler i tips-datasettet.
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
Visualiser antall passasjerer som flyr over årene. Dataene er allerede omformet til en matrise (upd_df) for deg ved hjelp av pivot_table.
- Angi stilen til
'ticks'. Endre figurens bakgrunnsfarge til'seagreen'('figure.facecolor'). - Opprett et varmekart:
- Bruk
upd_dfsom data (dette er det første argumentet, så du trenger ikkedata=). - Bruk fargekartet
'viridis'(cmap). - Vis tallene i cellene (
annot=True). - Formater tallene med
'0.99g'(generelt format). - Angi fargen på linjene mellom cellene til
'plum'(linecolor).
- Vis figuren.
Løsning
Takk for tilbakemeldingene dine!
single
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Fantastisk!
Completion rate forbedret til 4.55
Visualisering av Matrisedata
Sveip for å vise menyen
Et heatmap er et diagram hvor dataverdier vises som farger i en matrise.
Dette er standardmetoden for å visualisere korrelasjonsmatriser (hvordan variabler forholder seg til hverandre) eller tidsserieraster (f.eks. måneder vs. år).
Viktig: I motsetning til scatterplot eller barplot, som tar lange lister med data, krever heatmap vanligvis at dataene dine er i matrise (2D)-format. Dette oppnås ofte ved å bruke df.pivot_table() før plotting.
Viktige parametere
annot=True: skriver dataverdien i hver celle;cmap: fargekart (gradient) som skal brukes. Vanlige valg:'viridis','coolwarm','magma';fmt: strengformatkode for å kontrollere hvordan tall vises;'d': heltall (ingen desimaler);'.2f': flyttall med 2 desimaler;'g': generell format (kompakt);linewidths/linecolor: legger til tydelige grenser mellom cellene.
Eksempel
Her er et heatmap som viser korrelasjonen mellom numeriske variabler i tips-datasettet.
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
Visualiser antall passasjerer som flyr over årene. Dataene er allerede omformet til en matrise (upd_df) for deg ved hjelp av pivot_table.
- Angi stilen til
'ticks'. Endre figurens bakgrunnsfarge til'seagreen'('figure.facecolor'). - Opprett et varmekart:
- Bruk
upd_dfsom data (dette er det første argumentet, så du trenger ikkedata=). - Bruk fargekartet
'viridis'(cmap). - Vis tallene i cellene (
annot=True). - Formater tallene med
'0.99g'(generelt format). - Angi fargen på linjene mellom cellene til
'plum'(linecolor).
- Vis figuren.
Løsning
Takk for tilbakemeldingene dine!
single