Visualização de Correlações com Mapas de Calor

Matrizes de correlação podem ser difíceis de interpretar apenas observando os números. Heatmaps oferecem uma forma visual de enxergar a força e a direção dos relacionamentos entre variáveis.

Por que usar um heatmap de correlação?

Um heatmap de correlação fornece uma maneira visual de examinar os relacionamentos entre variáveis numéricas. Ao utilizar cores para representar a força e a direção das correlações, torna-se muito mais fácil identificar associações fortes ou fracas rapidamente. Isso é especialmente útil ao trabalhar com muitas variáveis, pois pode revelar padrões, destacar multicolinearidade e orientar análises adicionais.

Visualizando a matriz de correlação com heatmap

Primeiro, é necessário criar uma matriz de correlação para visualização:

# 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")

Em seguida, é possível utilizar a função ggcorrplot() para construir o gráfico:

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

Esta função possui diversos parâmetros que podem ser usados para alterar o estilo do gráfico:

• method = "square" faz com que cada célula seja um bloco quadrado;
• lab = TRUE exibe os valores de correlação em cada bloco;
• colors indicam a direção: vermelho (negativo), branco (neutro), verde (positivo);
• theme_light() confere ao gráfico um estilo limpo e minimalista.