Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Visualisering av Matrisedata | Seksjon
Practice
Projects
Quizzes & Challenges
Quizer
Challenges
/
Statistisk Visualisering med Seaborn

bookVisualisering 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.

12345678910111213141516171819
import 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()
copy
Oppgave

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.

  1. Angi stilen til 'ticks'. Endre figurens bakgrunnsfarge til 'seagreen' ('figure.facecolor').
  2. Opprett et varmekart:
  • Bruk upd_df som data (dette er det første argumentet, så du trenger ikke data=).
  • 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).
  1. Vis figuren.

Løsning

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 16
single

single

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

close

bookVisualisering 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.

12345678910111213141516171819
import 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()
copy
Oppgave

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.

  1. Angi stilen til 'ticks'. Endre figurens bakgrunnsfarge til 'seagreen' ('figure.facecolor').
  2. Opprett et varmekart:
  • Bruk upd_df som data (dette er det første argumentet, så du trenger ikke data=).
  • 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).
  1. Vis figuren.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 16
single

single

some-alt