Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Теплова Карта | Візуалізація з Використанням Seaborn
Ультимативна Візуалізація з Python

Свайпніть щоб показати меню

book
Теплова Карта

Note
Визначення

Теплова карта — це метод візуалізації двовимірних даних, у якому кольори використовуються для відображення величини кожного значення.

У цьому прикладі теплова карта використовується для відображення парних кореляцій між змінними у наборі даних.

Створення простої теплової карти

У бібліотеці seaborn є функція heatmap(). Її єдиний обов'язковий параметр — це data, який повинен бути двовимірним (прямокутним) набором даних.

Найпоширеніший випадок використання теплової карти — це матриця кореляцій, як у наведеному вище прикладі. Для заданого DataFrame спочатку потрібно викликати його метод corr(), щоб отримати матрицю кореляцій, і лише потім передати цю матрицю як аргумент у функцію heatmap():

Поширений випадок використання теплової карти — відображення матриці кореляцій. Для заданого DataFrame спочатку викликається метод corr(), щоб отримати матрицю кореляцій, а потім ця матриця передається як аргумент у функцію heatmap().

123456789101112131415
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Creating a heatmap based on the correlation matrix sns.heatmap(correlation_matrix) plt.show()
copy

Кореляційну матрицю було створено лише з числових стовпців DataFrame. Стовпці, що містять рядки, були виключені шляхом встановлення параметра numeric_only=True.

Анотації та кольори

Цю теплову карту можна зробити більш інформативною, додавши відповідне значення (коефіцієнт кореляції у нашому випадку) у кожну клітинку. Це можна зробити, просто встановивши параметр annot у значення True.

Note
Примітка

Також можливо змінити кольори для нашої теплової карти, встановивши параметр cmap (ви можете ознайомитися з цим у статті "Вибір палітр кольорів").

123456789101112131415
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Setting annotation and color palette sns.heatmap(correlation_matrix, annot=True, cmap='viridis') plt.show()
copy

Колірна шкала праворуч може бути видалена шляхом встановлення cbar=False.

Note
Вивчайте більше

У більшості випадків цього достатньо для налаштування теплової карти, проте ви завжди можете дізнатися більше у документації heatmap().

Покращення читабельності

Останнє, що може підвищити читабельність нашої теплової карти — це обертання підписів осей за допомогою вже знайомих функцій xticks() та yticks():

12345678910111213141516171819
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Creating a heatmap based on the correlation matrix sns.heatmap(correlation_matrix, annot=True, cmap='viridis') # Rotating the ticks by 20 degrees counterclockwise plt.xticks(rotation=20) plt.yticks(rotation=20) plt.show()
copy
Завдання

Swipe to start coding

  1. Використання відповідного методу для створення матриці кореляції.
  2. Встановлення аргументу методу для включення лише числових змінних.
  3. Використання відповідної функції для створення теплової карти.
  4. Встановлення correlation_matrix як даних для теплової карти шляхом зазначення першого аргументу.
  5. Додавання значень у кожну клітинку матриці шляхом зазначення другого аргументу.
  6. Встановлення палітри (кольорової карти) теплової карти на 'crest' шляхом зазначення третього (правого) аргументу.
  7. Обертання підписів осі x та осі y на 15 градусів проти годинникової стрілки шляхом зазначення іменованого аргументу у функціях xticks() та yticks().

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 5. Розділ 7

Запитати АІ

expand
ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

book
Теплова Карта

Note
Визначення

Теплова карта — це метод візуалізації двовимірних даних, у якому кольори використовуються для відображення величини кожного значення.

У цьому прикладі теплова карта використовується для відображення парних кореляцій між змінними у наборі даних.

Створення простої теплової карти

У бібліотеці seaborn є функція heatmap(). Її єдиний обов'язковий параметр — це data, який повинен бути двовимірним (прямокутним) набором даних.

Найпоширеніший випадок використання теплової карти — це матриця кореляцій, як у наведеному вище прикладі. Для заданого DataFrame спочатку потрібно викликати його метод corr(), щоб отримати матрицю кореляцій, і лише потім передати цю матрицю як аргумент у функцію heatmap():

Поширений випадок використання теплової карти — відображення матриці кореляцій. Для заданого DataFrame спочатку викликається метод corr(), щоб отримати матрицю кореляцій, а потім ця матриця передається як аргумент у функцію heatmap().

123456789101112131415
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Creating a heatmap based on the correlation matrix sns.heatmap(correlation_matrix) plt.show()
copy

Кореляційну матрицю було створено лише з числових стовпців DataFrame. Стовпці, що містять рядки, були виключені шляхом встановлення параметра numeric_only=True.

Анотації та кольори

Цю теплову карту можна зробити більш інформативною, додавши відповідне значення (коефіцієнт кореляції у нашому випадку) у кожну клітинку. Це можна зробити, просто встановивши параметр annot у значення True.

Note
Примітка

Також можливо змінити кольори для нашої теплової карти, встановивши параметр cmap (ви можете ознайомитися з цим у статті "Вибір палітр кольорів").

123456789101112131415
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Setting annotation and color palette sns.heatmap(correlation_matrix, annot=True, cmap='viridis') plt.show()
copy

Колірна шкала праворуч може бути видалена шляхом встановлення cbar=False.

Note
Вивчайте більше

У більшості випадків цього достатньо для налаштування теплової карти, проте ви завжди можете дізнатися більше у документації heatmap().

Покращення читабельності

Останнє, що може підвищити читабельність нашої теплової карти — це обертання підписів осей за допомогою вже знайомих функцій xticks() та yticks():

12345678910111213141516171819
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Loading the dataset with the countries data 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) # Creating a correlation matrix with all numeric variables correlation_matrix = countries_df.corr(numeric_only=True) # Creating a heatmap based on the correlation matrix sns.heatmap(correlation_matrix, annot=True, cmap='viridis') # Rotating the ticks by 20 degrees counterclockwise plt.xticks(rotation=20) plt.yticks(rotation=20) plt.show()
copy
Завдання

Swipe to start coding

  1. Використання відповідного методу для створення матриці кореляції.
  2. Встановлення аргументу методу для включення лише числових змінних.
  3. Використання відповідної функції для створення теплової карти.
  4. Встановлення correlation_matrix як даних для теплової карти шляхом зазначення першого аргументу.
  5. Додавання значень у кожну клітинку матриці шляхом зазначення другого аргументу.
  6. Встановлення палітри (кольорової карти) теплової карти на 'crest' шляхом зазначення третього (правого) аргументу.
  7. Обертання підписів осі x та осі y на 15 градусів проти годинникової стрілки шляхом зазначення іменованого аргументу у функціях xticks() та yticks().

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 5. Розділ 7
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Ми дуже хвилюємося, що щось пішло не так. Що трапилося?
some-alt