Aprenda Mapa de Calor | Visualização com Seaborn

Definição

Um heatmap é um método para visualizar dados bidimensionais utilizando cores para representar a magnitude de cada valor.

Este exemplo utiliza um heatmap para visualizar as correlações pareadas entre variáveis.

Criando um Heatmap Simples

seaborn.heatmap() utiliza um conjunto de dados 2D. Um caso de uso comum é a plotagem de uma matriz de correlação: dado um DataFrame, utilize .corr() para calcular as correlações e, em seguida, passe a matriz resultante para 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()

A matriz de correlação é criada apenas a partir das colunas numéricas (numeric_only=True).

Anotação e Cores

Definir annot=True exibe os valores de correlação dentro de cada célula. Também é possível escolher um mapa de cores utilizando o parâmetro cmap.

Nota

Também é possível alterar as cores do nosso mapa de calor configurando o parâmetro cmap (você pode explorá-lo no artigo "Escolhendo paletas de cores").


              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()

A barra de cores à direita pode ser removida definindo cbar=False.

Estude Mais

Na maioria dos casos, isso é tudo o que você precisará de uma customização de heatmap, porém, você sempre pode explorar mais na documentação do heatmap().

Melhorando a Legibilidade

O último aspecto que pode melhorar a legibilidade do nosso heatmap é rotacionar os ticks utilizando as já conhecidas funções xticks() e 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()

Tarefa

Swipe to start coding

Utilize o método correto para criar uma matriz de correlação.
Defina o argumento do método para incluir apenas variáveis numéricas.
Utilize a função apropriada para criar um mapa de calor.
Defina correlation_matrix como os dados para o mapa de calor especificando como primeiro argumento.
Adicione os valores em cada célula da matriz especificando o segundo argumento.
Defina a paleta (mapa de cores) do mapa de calor como 'crest' especificando o terceiro (último) argumento.
Gire os rótulos dos eixos x e y em 15 graus no sentido anti-horário especificando um argumento nomeado em xticks() e yticks().

Solução

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 5. Capítulo 7

single

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

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?

Awesome!

Completion rate improved to 3.85

Deslize para mostrar o menu