Korrelationstabeller kan vara svåra att tolka enbart genom att titta på siffror. Värmekartor ger ett visuellt sätt att se styrkan och riktningen på relationer mellan variabler.

Varför använda en korrelationsvärmekarta?

En korrelationsvärmekarta ger ett visuellt sätt att undersöka relationer mellan numeriska variabler. Genom att använda färger för att representera styrkan och riktningen på korrelationer blir det mycket enklare att identifiera starka eller svaga samband vid en snabb överblick. Detta är särskilt användbart när man arbetar med många variabler, eftersom det snabbt kan avslöja mönster, belysa multikollinearitet och vägleda vidare analys.

Visualisera korrelationsmatris med värmekarta

Först behöver du skapa en korrelationsmatris för visualisering:

# 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")

Därefter kan du använda funktionen ggcorrplot() för att skapa ett diagram från den:

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

Denna funktion har flera parametrar som kan användas för att ändra diagrammets stil:

• method = "square" gör varje cell till ett fyrkantigt block;
• lab = TRUE visar korrelationsvärden på varje block;
• colors indikerar riktning: röd (negativ), vit (neutral), grön (positiv);
• theme_light() ger diagrammet en ren och minimalistisk stil.