Leer Heatmap | Visualiseren Met Seaborn

Definitie

Een heatmap is een methode voor het visualiseren van tweedimensionale gegevens waarbij kleuren worden gebruikt om de grootte van elke waarde weer te geven.

Dit voorbeeld gebruikt een heatmap om pairwise correlaties tussen variabelen te visualiseren.

Een eenvoudige heatmap maken

seaborn.heatmap() gebruikt een 2D-dataset. Een veelvoorkomend gebruik is het plotten van een correlatiematrix: geef een DataFrame, roep .corr() aan om correlaties te berekenen en geef vervolgens de resulterende matrix door aan 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()

De correlatiematrix wordt alleen gemaakt van numerieke kolommen (numeric_only=True).

Annotaties en Kleuren

Door annot=True in te stellen, worden de correlatiewaarden in elke cel weergegeven. We kunnen ook een kleurenschema kiezen met behulp van cmap.

Opmerking

Het is ook mogelijk om de kleuren van onze heatmap aan te passen door de parameter cmap in te stellen (je kunt dit verder verkennen in het "Kleurpaletten kiezen" artikel).


              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()

De kleurstaaf aan de rechterkant kan worden verwijderd door cbar=False in te stellen.

Meer Bestuderen

In de meeste gevallen is dit alles wat nodig is voor een heatmap-aanpassing, maar je kunt altijd meer ontdekken in de heatmap()-documentatie.

Leesbaarheid Verbeteren

Het laatste wat de leesbaarheid van onze heatmap zou verbeteren, is het roteren van de ticks met behulp van de reeds bekende functies xticks() en 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()

Taak

Swipe to start coding

Gebruik de juiste methode om een correlatiematrix te maken.
Stel het argument van de methode zo in dat alleen numerieke variabelen worden meegenomen.
Gebruik de juiste functie om een heatmap te maken.
Stel correlation_matrix in als de data voor de heatmap door deze als eerste argument te specificeren.
Voeg de waarden in elke cel van de matrix toe door het tweede argument te specificeren.
Stel het palet (kleurenschema) van de heatmap in op 'crest' door het derde (meest rechtse) argument te specificeren.
Draai de x-as- en y-as-ticks 15 graden tegen de klok in door een keyword-argument in xticks() en yticks() te specificeren.

Oplossing

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 5. Hoofdstuk 7

single

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Suggested prompts:

How can I customize the appearance of the heatmap further?

What do the correlation values in the heatmap represent?

Can I use this method with my own dataset?

Veeg om het menu te tonen